いかにAIを活用したのか
性別で異なる“脳腫瘍リスク”とは? AIで米国研究チームが解明
米国の研究チームが、AI技術を活用して膠芽腫における性別特有のリスク因子を分析した。いかにAI技術を活用し、どのような因子を明らかにしたのか。
性別特有の脳腫瘍のリスク因子はあるのか――ウィスコンシン大学マディソン校(The University of Wisconsin-Madison)の研究チームは、悪性神経膠腫(HGG:High Grade Glioma)の性別特有のリスク因子を特定するために人工知能(AI)技術を活用した。いかにAI技術を活用し、どのような因子を明らかにしたのか。
AI技術をどのように活用したのか
HGGの一種である膠芽腫は一般的な原発性脳腫瘍だ。テキサス大学MDアンダーソンがんセンター(The University of Texas MD Anderson Cancer Center)によると、米国では毎年約1万2000件の新規症例が診断されている。診断後の平均生存期間は15~18カ月で、5年生存率は約10%にとどまる。
これまでに判明している膠芽腫のリスク因子はいくつかある。研究チームによると、膠芽腫は50歳以上の白人男性が発症することが多く、男性患者の方が侵攻性(腫瘍が広がる可能性の程度)が高い傾向がある。
腫瘍がどの程度急速に成長するかを予測する因子を特定することは、困難といわれている。これらのリスク因子や性別による違いを明らかにするため、研究チームは機械学習を用いて分析した。
「がん患者を治療する過程で、医療機関は膨大なデータを収集できる。しかし、こうしたデータはサイロ化された状態で研究されがちだ。ここにAIを活用する意義がある」。ウィスコンシン大学マディソン校の放射線学および生物医学工学のアソシエートプロフェッサー、パラヴィ・ティワリ氏はこう説明する。
「研究チームは、診断から治療の予後、治療効果測定までの一連の流れで発生した課題を包括的に対処したいと考えている」(ティワリ氏)
研究チームは、「ヘマトキシリン・エオジン(HE)染色」と呼ばれる手法で染色した組織のデータを使ってディープラーニング(深層学習)モデルを訓練した。腫瘍の微小環境(腫瘍の周囲に存在する細胞や構造物、分子など)における性別特有の特徴を識別し、予後のリスクプロファイル構築に寄与するかを検証するためだ。
結果として、男性では偽柵状配列細胞(特有の核の配列を持つ細胞)の存在、女性では腫瘍の侵攻性といった、性別にひも付くリスク因子が浮き彫りになった。
研究チームは、研究結果を以下の治療法に生かすと説明する。
- 膠芽腫患者のリスク層別化
- リスク因子の高低に基づいて、膠芽腫に罹患するリスクを分類すること
- プレシジョンメディシン(精密医療)
- 生活習慣や患者の遺伝子など固有の条件を割り出し、個人に応じた最適な治療を提供すること
この研究結果は論文「Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning」として2024年8月発行の学術誌『Science Advances』34号に掲載された。
TechTarget.AIとは
TechTarget.AI編集部は生成AIなどのサービスを利用し、米国TechTargetの記事を翻訳して国内向けにお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。
TechTarget.AI
TechTarget.AI編集部は生成AIなどのサービスを利用し、米国TechTargetの記事を翻訳して国内向けにお届けします。
この記事の著者
関連記事
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
急増する「AIはこう言ってる」マン 判断を狂わせる「AI忖度」を防ぐには?
-
2
取手市がVDIと決別した理由 更改費用「4倍超」を約1.7倍に圧縮
-
3
「データストレージの活用方法」に関するアンケート
-
4
自宅のWi-Fiが「遅い」「途切れる」本当の原因は? Dellが推奨する鉄則
-
5
本当に安いPCで十分か? “すぐ重くなる”を防ぐノートPC選びの絶対条件
-
6
Claudeの不可視透かしに批判殺到 著作権消失や誤判定に潜む企業リスク
-
7
100億円の「Linux更新」を回避 みずほ銀行が選んだ“おきて破り”のRHEL延命策
-
8
221人調査で分かった「情シス最大のストレス」は?
-
9
LLMの「過学習」、正しく説明している文章はどれ?
-
10
レガシー基幹システムをSAPに統合 山善が突き止めた「標準化と個別最適」の境界線
ホワイトペーパーランキング PR
-
1
年収2000万「クラウドセキュリティのプロ」になれる資格とは
-
2
セキュリティソフトをすり抜ける標的型攻撃メール、不審メールの見破り方とは?
-
3
Windows Updateの通信集中で回線が逼迫、ネットワーク刷新事例に学ぶ解決策
-
4
財務を戦略的組織へ進化させるAI活用術、4つの主要な障壁と解消方法
-
5
「NAS」「SAN」「DAS」は何が違う? いまさら聞けないストレージの基礎
-
6
“あのファイル転送”で暗躍するノーウェアランサム
-
7
標的型攻撃メールを見破るには? サンプル文面を例に傾向を解説
-
8
商用利用の安全性を確保し大量のコンテンツを高速で生成する、AI活用の秘訣
-
9
マンガで解説、1日で生成AI環境を構築できるワークショップの中身とは?
-
10
Dark AIが台頭する時代の新発想、「より高度なAIで対抗する」具体的方法とは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー