研究課題
本研究の目的は、がんの最適医療のために必要な病理学的指標の確立である。がんは日本人の死因第一位であり、致死率の高い肺がんの制圧は医学の大きな課題である。肺癌は様々な性質を持つことが特徴であり、個別化医療が進んでいるが、いまだ十分とはいえない。近年の治療法の目覚ましい進歩、例えばドライバー遺伝子肺がんに対する活性化キナーゼ阻害剤や免疫チェックポイント阻害剤(ICI)の開発は、一部の患者に大きな恩恵をもたらしている。治療選択枝は増えている。治療方針の最適化のためには、がんの個性をいかに読み解くか、すなわち遺伝子異常の網羅的情報と臨床病理学的情報とを如何に統合していくべきかが大きな課題である。特にICIでは、より精度の高い治療予測バイオマーカー(BM)の探索と最適な検索方法の確立は喫緊の課題である。本研究では、がん治療で最も注目されているICIの予測指標の探索と検出手法の確立を目指し、病理検体を用いたがんの形態と形質・免疫細胞の解析とゲノム、臨床情報との統合解析を行っている。これまでに、ICI治療を受けた肺がんの病理組織標本から、HE染色標本のデジタル画像を作成し、がん細胞の形態学的特徴量(MBM)を画像解析により定量化し、効果予測因子の探索研究の結果、特徴量の組み合わせにより高率に予測可能なモデルを構築できる可能性が示唆された。本年度は、症例を増やして予測アルゴリズムの最適化と検証実験を実施した。また、腫瘍浸潤免疫細胞に関して、殺細胞性Tリンパ球(CD8)の浸潤の程度と局在は治療効果および予後と関連することを見出した。MBMは、病理医のがん異型度評価と強く関連、遺伝子変異、TMBと中等度に関連、PD-L1 IHCと弱く関連した。腫瘍組織の病理学的特徴は、客観的に抽出可能な因子であり、PD-L1とは独立しており、今後の実臨床に応用可能な新規バイオマーカーとして有望である。
2: おおむね順調に進展している
研究計画のとおり、画像解析は順調に進んでいる。ゲノム解析に遅れがあり、鋭意解析を進めている。
画像解析アルゴリズムの最適化、検証を進める。AIの深層学習を用いる手法との比較検討を行い、精度の向上を目指す。他施設症例を用いて、再現性を検証する。ゲノム解析を進め、多層解析を行うことで、形態学的バイオマーカーの位置づけを検討する。
本年度の画像解析に時間を要し、予定していた免疫染色、遺伝子解析の一部の費用が次年度へ繰り越しとなった。
すべて 2020 2019
すべて 雑誌論文 (10件) (うち査読あり 10件、 オープンアクセス 4件) 学会発表 (5件) (うち国際学会 3件、 招待講演 3件)
Translational lung cancer research
巻: - ページ: -
10.21037/tlcr.2020.03.09
Lung Cancer
巻: 145 ページ: 152~157
10.1016/j.lungcan.2020.05.002
Cancer Science
10.1111/cas.14409
Melanoma Research
巻: 30 ページ: 76~84
10.1097/CMR.0000000000000617
Journal of Thoracic Oncology
Thoracic Cancer
巻: 10 ページ: 815~822
10.1111/1759-7714.13004
Medical Oncology
巻: 36 ページ: -
10.1007/s12032-019-1274-0
Japanese Journal of Clinical Oncology
巻: 49 ページ: 559~566
10.1093/jjco/hyz032
巻: 10 ページ: 1285~1288
10.1111/1759-7714.13070
巻: 14 ページ: 1818~1827
https://doi.org/10.1016/j.jtho.2019.06.019