肺腺癌におけるTMB-high予測のための深層学習モデルの構築と検証

点击翻译按钮获取中文摘要

非小細胞肺癌に対する免疫チェックポイント阻害薬(ICI)の使用においては、腫瘍細胞におけるPD-L1 の高発現と生存期間が正に相関することが示されている。しかしながら、PD-L1発現が陰性でもICIによる治療で奏功が得られることが報告されており、PD-L1の発現の多寡のみではICIによる治療効果予測は充分ではない。遺伝子変異量高値群(TMB-H)では、腫瘍特異抗原（ネオアンチゲン）の発現が高くT細胞の認識を受けやすくなることから、ICIの効果が高いと考えられており遺伝子変異量(TMB)はICIの治療効果を予測する新たなバイオマーカーとして期待されている。本研究では、人工知能(AI)を活用し、肺腺癌の病理組織学的情報を分析、処理することで、肺腺癌のTMB-Hを自動予測するシステムの構築を目的とした。これに関連し、本年度においては下記の研究を行った。肺腺癌の手術症例541例のTMBを算出し、TMBの分布についてヒストグラムを作製した。今まで報告されている欧米のものと異なり、ヒストグラムは二峰性分布を示したので、統計学的解析の上で、その分布の谷のTMBの値8.8 mut/Mbをカットオフ値に設定し、TMB>8.8 mut/MbをTMB-H、TMB≦8.8を遺伝子変異量低値群(TMB-L)と定義した。症例中、TMB-Hは60症例、TMB-Lは481例認めた。そのうち、TMB-H45症例(ヘマトキシリン・エオジン(HE)染色切片122枚、TMB-L400症例(HE染色切片388枚)を病理デジタルスライド化にすることが可能であった。現在、腫瘍領域のアノテーションを行い、トレーニングセット（TMB-H/L 102/308枚）をAIに学習させ、テストセット（TMB-H/L 20/80枚）を用いて閾値50％で設定し肺腺癌のTMB-Hを自動予測するモデルを構築している。