AI支援による治療選択は、治療抵抗性の転移性乳がん患者105人を対象とした無作為化試験において、より高い腫瘍反応率をもたらし、標準治療が効かなくなった後に腫瘍の生物学的特徴を用いて治療法を特定するという可能性を裏付ける臨床的証拠となった。2つの生物学的サブグループにおいて、反応率はそれぞれ65%と70%に達したが、医師が選択した化学療法ではそれぞれ30%と20%であった。.
LINUX 試験は、特定の状況下におけるAI支援型マッチングの有効性を支持する結果を示した。しかし、腫瘍の縮小は患者の延命を保証するものではない。
2026年10月までの無作為化比較試験および観察研究のレビューによると、難治性癌の特定の患者において、有意な改善が認められた。しかし、その原因特定には依然として課題が残っている。多くの成功は、分子検査、効果的な薬剤、そして専門医による解釈が連携して得られた結果であり、人工知能が具体的にどれだけの追加的な利益をもたらしているかは明らかになっていない。.
治療マッチングプロセスが実際に分析するもの
精密腫瘍学は、がんが増殖したり治療に抵抗したりする理由を解明する可能性のある特徴を調べます。米国国立 がん研究所、バイオマーカー検査によって、腫瘍DNA、遺伝子活性、タンパク質の変化を特定し、治療方針の決定に役立てることができます。検査には腫瘍組織を用いる場合もあれば、場合によっては血液中に循環するがん由来物質を用いる場合もあります。通常の血球数検査だけでは、分子レベルでの腫瘍プロファイルを得ることはできません。
生前に獲得した腫瘍の変化は、遺伝的に受け継がれた遺伝子変異とは異なり、親族にも影響を及ぼす可能性があります。AIは、病理画像の分類、複雑な遺伝子発現パターンの解釈、治療の可能性の整理に役立ちます。臨床医は、臓器機能、過去の治療、身体の状態、薬剤の入手可能性などを考慮する必要があります。一部のマッチングシステムは、機械学習ではなく、確立されたルールと厳選されたエビデンスを使用しています。コンピュータによる推奨をすべてAIと呼ぶと、実際に何がテストされたのかが不明瞭になります。.
ランダム化比較試験では、具体的ではあるものの、実際の効果が示されています。
LINUX試験では、患者はホルモン受容体陽性、HER2陰性の乳がんを患っており、がん細胞の分裂を遅らせる薬であるCDK4/6阻害剤による治療後に病状が進行した。AI支援によるデジタル病理診断により、腫瘍は4つの生物学的サブタイプに分類された。研究者らは、70人の患者をサブタイプ別の治療群に、35人を医師が選択した化学療法群に無作為に割り付けた。主要評価項目は、測定可能な腫瘍縮小であった。.
今回の結果は治療戦略を支持するものでしたが、各サブタイプの患者数は少数でした。重篤な治療関連有害事象は両群ともに37%に発生しました。重要な点として、今回の試験では分類に基づく治療戦略と患者に投与される薬剤の両方が変更されました。AIシステムと、同一の治療法から選択する専門家チームとの比較は行われておらず、奏効率が高いからといって全生存期間が長くなるわけではありません。.
進行を遅らせるというより強力な証拠は、 CUPISCOいます。2026年9月のアップデートでは、3回の化学療法サイクル後に疾患がコントロールされた436人の患者が対象となりました。分子標的治療により、無増悪生存期間の中央値は6.1か月となり、化学療法を継続した場合の4.4か月を上回りました。無増悪生存期間は、全生存期間ではなく、疾患の悪化または死亡までの期間を測定します。全生存期間は15.2か月対12.8か月でしたが、この差は従来の統計的有意水準を満たしませんでした。ハザード比は0.79で、95%信頼区間は0.61~1.02でした。これは、特定の集団における疾患コントロールのベネフィットを確立するものであり、AI特有の生存期間の延長を示すものではありません。
膵臓がんは、希望と不確実性の両方を示している
膵臓がんは治療選択肢が限られており、予後が依然として不良であるため、特に重要な検査対象となります。2020年のKnow Your Tumor レジストリ では、治療可能な分子異常に合わせた治療を受けた46人の患者の全生存期間の中央値は2.58年であったのに対し、治療可能な異常がありながら治療が一致しなかった143人の患者の全生存期間の中央値は1.51年でした。これは観察された大きな差ですが、この研究は後ろ向き研究であり、治療はランダムに割り当てられていませんでした。
適合薬を入手できる患者は、健康状態、専門医による治療へのアクセス、その後の治療機会において異なる場合がある。統計的比較では、こうした差異をすべて確実に排除することはできない。本レジストリは、分子マッチングが特定の患者にとって有望なアプローチであることを支持するものであり、マッチングアルゴリズムによって生存期間が1年延長されたこと、あるいはその結果がすべての膵臓がんに当てはまることを証明するものではない。.
2026年6月に発表 AI研究では 、遺伝子発現データと治療結果を用いて2,202個の膵臓腫瘍検体を解析した。FOLFIRINOX化学療法が有利と予測された標準リスク検査サブグループでは、このレジメンを受けた患者の生存期間中央値は16.0ヶ月であったのに対し、ゲムシタビンとナブパクリタキセルを投与された患者では9.9ヶ月であった。これらはAIを用いて治療を前向きに割り当てた結果ではなく、後向き予測である。研究者らは、パフォーマンスステータスや検査値などの臨床変数が欠落していることを認めた。多くの著者は、データベースを提供しているプロファイリング会社であるCaris Life Sciencesに所属していた。この結果は、モデルの導入によって既に寿命が延びていると主張するのではなく、前向き試験が必要であることを示している。
生きた癌細胞を検査することで、見落とされていた選択肢が明らかになる可能性がある。
別の手法では、薬剤を患者の癌細胞に直接作用させる。 EXALT研究では、標準治療を使い果たした進行性の血液癌患者を対象に調査を行った。この研究室のワークフローでは、細胞を多数の薬剤に曝露させ、自動顕微鏡と機械学習に基づく画像品質管理を使用し、その結果を多職種からなる腫瘍委員会に提示した。
検査を受けた143人の患者のうち、56人が推奨治療を受け、主要解析グループを構成した。その56人のうち30人、つまり54%は、以前の治療期間の少なくとも1.3倍の期間、病状の進行が見られなかった。これは、単に予測精度が向上したというだけでなく、患者レベルでのベネフィットを示す証拠である。しかし、EXALTは各患者の以前の治療を比較対象とした単群試験であった。治療ラインの選択と差異により因果関係の結論は限定され、この研究では機械学習の貢献を臨床検査や医師の判断から分離することはできなかった。.
もっともらしい生物学的一致だけでは不十分だ
否定的な結果は、治療のマッチングがすべての人に恩恵をもたらさなかった理由を説明するのに役立つ。2015年の無作為化 SHIVA試験、確立された適応症以外で使用された分子標的薬は、高度な前治療を受けた進行がん患者において、医師が選択した治療と比較して無増悪生存期間を有意に改善しなかった。無増悪生存期間の中央値は2.3ヶ月対2.0ヶ月であった。遺伝子変異を特定し、同じ経路を標的とする薬剤を見つけることが、必ずしも臨床的利益につながるわけではなかった。
2026年に オーストラリアで 行われた、希少または難治性の固形腫瘍患者3,383人を対象とした研究では、エビデンスの質の重要性が改めて強調されました。より強力な臨床的エビデンスに裏付けられたバイオマーカーを持つ治療を受けた患者では、マッチングされた治療群の全生存期間中央値は21.2ヶ月であったのに対し、マッチングされていない治療群では12.8ヶ月でした。調整ハザード比は0.60でした。他の癌種から外挿された弱いエビデンスに基づくマッチングでは、同様の生存期間の優位性は認められませんでした。これは観察研究であるため、この関連性は残存交絡因子の影響を受けやすいままです。
また、より良い情報によって必ずしもアクセスが改善されるわけでもありません。2025年に ダナ・ファーバーがん研究所が 実施した20,707人の患者を対象とした無作為化試験では、AIを用いてがんの進行の可能性を特定し、ゲノム情報に基づいてマッチングされた試験について腫瘍医に通知しました。通知ありの場合の登録率は2.20%、通知なしの場合は2.03%で、有意差はありませんでした。マッチング作業以外にも、利用可能な試験枠、適格性、タイミング、臨床ワークフローといった課題が依然として残っていました。
次のテストは、システムを使用することによるメリットです。
最も妥当な結論は、生物学的治療のマッチングによって、一部の難治性癌における腫瘍反応と疾患制御が改善され、特定の集団では生存期間の延長も観察研究によって裏付けられているというものである。AIは、治療戦略の成功に貢献し始めている。しかし、検討した証拠は、AIが難治性癌全体にわたって生存率を広く改善すること、あるいはAIの導入が経験豊富な分子腫瘍委員会を常に上回ることを立証するものではない。.
次の重要な研究では、固定されたAIシステムを適切な通常治療と比較して前向きに検証し、生存率、症状、生活の質、毒性を測定し、試験経路に入った全員の数を数える必要があります。また、実際に推奨薬を投与された患者についても報告する必要があります。適切なサンプルから利用可能な治療に至るまでのすべての段階で、有用なマッチングが維持されなければなりません。予測だけでは、患者にとっての利益を確立することはできません。.