機械学習を用いた肺がん早期発見のための複合的バイオマーカーの創出

肺がんは未だに世界中で死亡要因第一位を占め、肺がん全体の5年生存率は20～30%と低い。しかしながら、ステージ1早期発見では5年生存率が約70%にまで回復するため、より低侵襲で信頼性の高い診断技術の開発が重要である。リキッドバイオプシーは身体への負担が少ない低侵襲性の液性検体（血液や尿など）を利用した診断に有用な技術であり、近年、機械学習を併用したバイオマーカー研究が報告されている。機械学習は人工知能（AI）開発の基盤技術であり、機械に大量のデータからパターンやルールを発見させ、それをさまざまな物事に利用することで判別や予測をする技術である。リキッドバイオプシーから得た情報を機械学習で処理することにより、早期発見や治療奏効予測に重要なバイオマーカーの発見が期待される。本研究では肺がん患者検体中の樹状細胞の表面抗原やポピュレーション変化に着目し、機械学習を用いて早期発見の指標となる複合的バイオマーカーを創出することを目的とする。樹状細胞は患者血液検体に含まれており、強力な抗原提示能を有する。自然免疫と適応免疫を仲介し、がん疾患でも重要な役割を担う。2022年度は、まず血液検体から樹状細胞（DCs）を回収できる濃縮実験系と、フローサイトメトリー解析実験系の構築を目指した。その結果、検体中から樹状細胞を濃縮し、その発現割合を調べる実験系を構築した。また、マーカーとなり得る抗原予測に向けた予備的な機械学習も実施し、利用な可能なアルゴリズムを複数検討した。

肺がんは未だに世界中で死亡要因第一位を占め、肺がん全体の5年生存率は20～30%と低い。しかしながら、ステージ1早期発見では5年生存率が約70%にまで回復するため、より低侵襲で信頼性の高い診断技術の開発が重要である。リキッドバイオプシーは身体への負担が少ない低侵襲性の液性検体（血液や尿など）を利用した診断に有用な技術であり、近年、機械学習を併用したバイオマーカー研究が報告されている。機械学習は人工知能（AI）開発の基盤技術であり、機械に大量のデータからパターンやルールを発見させ、それをさまざまな物事に利用することで判別や予測をする技術である。リキッドバイオプシーから得た情報を機械学習で処理することにより、早期発見や治療奏効予測に重要なバイオマーカーの発見が期待される。本研究では肺がん患者検体中の樹状細胞の表面抗原やポピュレーション変化に着目し、機械学習を用いて早期発見の指標となる複合的バイオマーカーを創出することを目的とする。樹状細胞は患者血液検体に含まれており、強力な抗原提示能を有する。自然免疫と適応免疫を仲介し、がん疾患でも重要な役割を担う。2022年度は、まず血液検体から樹状細胞（DCs）を回収できる濃縮実験系と、フローサイトメトリー解析実験系の構築を目指した。その結果、検体中から樹状細胞を濃縮し、その発現割合を調べる実験系を構築した。また、マーカーとなり得る抗原予測に向けた予備的な機械学習も実施し、利用な可能なアルゴリズムを複数検討した。