標準病理スライドから腫瘍内の多細胞相互作用を推測

スタンフォード大学医学部の研究者らは、標準的なH&E染色病理スライドから腫瘍組織内の細胞近隣（cellular neighborhoods）を推測できる人工知能プラットフォーム「CANVAS」を開発した。この成果は、がん研究に強力な新しいツールを提供し、患者の予後評価や治療選択の改善につながる可能性がある。

腫瘍は単なる癌細胞の塊ではなく、癌細胞、免疫細胞、間質細胞など多様な細胞種からなる複雑な生態系である。これらの細胞間の相互作用は、腫瘍の構造、患者の免疫応答、治療感受性を理解する上で重要である。しかし、従来のCODEXなどの空間解析技術は高解像度の細胞マップを提供するものの、時間とコストがかかるため広く利用されていなかった。

放射線腫瘍学准教授のRuijiang Li博士が率いる研究チームは、まず非小細胞肺癌患者457名から得られた1800万以上の細胞のアトラスを構築し、CODEX実験で得られた細胞近隣情報を対応するH&Eスライドにセル単位で重ね合わせ、AIにH&Eスライド上の形態パターンと細胞近隣の対応関係を学習させた。

このプロセスには、チームが以前開発したMUSKというAIツールが活用された。MUSKは5000万枚の病理画像と10億以上の病理関連テキストで事前学習されており、スライド上の形態パターンを認識するのが得意である。CANVASはこれらのパターンを利用して、複雑な多細胞パターンを推測する。

CANVASを用いて、研究者らは非小細胞肺癌において10種類の異なる細胞近隣を特定した。これらの近隣は、細胞の種類や位置だけでなく、分子活動によっても定義される。特に、好中球が豊富な細胞近隣は、患者の全体的な予後不良と抗PD-1などの免疫療法薬への耐性と有意に関連していることがわかった。

また、CANVASによる免疫療法応答の予測は、現在臨床で用いられているバイオマーカー手法よりも正確であることが示され、このプラットフォームが臨床意思決定のガイドに役立つ可能性が示唆された。このプラットフォームは、9種類のがん種を含む5000人以上の患者のアーカイブスライドで検証され、これらの細胞近隣の普遍性が確認された。

Li博士は、次のステップとして臨床試験でCANVASを検証し、患者の予後や特定の治療法への反応を予測できることを確認したいと述べている。この研究は2026年6月16日付けでCell誌に掲載され、Broad研究所、ハーバード医科大学、MDアンダーソンがんセンターの研究者も参加した。