空間認識型機械学習モデルを用いたメラノーマ患者における抗PD-1免疫チェックポイント阻害療法の奏効予測
Alyssa Pybus1, Raphael Kirchgaessner1,2, Jonathan Nguyen3
1Department of Machine Learning, H. Lee Moffitt Cancer Center & Research Institute, Tampa, FL, USA.
NPJ precision oncology
|January 12, 2026
まとめ
進行性メラノーマにおける抗PD-1免疫チェックポイント阻害療法（ICB）奏効の正確な予測は極めて重要である。空間プロテオミクスデータを統合した機械学習モデルは、12人中11人の患者でICB奏効を予測することに成功した。
科学分野:
- 腫瘍学
- 免疫学
- 計算生物学
背景:
- 抗PD-1免疫チェックポイント阻害療法（ICB）への奏効が見込まれる進行性メラノーマ患者を特定することは、30-40％しか有意な利益を得られないため、極めて重要である。
- メラノーマにおける抗PD-1 ICB療法の現在の予測バイオマーカーは限られており、新規アプローチが必要とされている。
研究 の 目的:
- 単一細胞空間プロテオミクスを用いた患者の抗PD-1 ICB療法への奏効を予測するための機械学習（ML）モデルを開発および検証する。
- 腫瘍微小環境内の抗PD-1 ICB療法奏効と相関する主要な分子および細胞特徴量を同定する。
主な方法:
- 12人の進行性メラノーマ患者のコホートに単一細胞空間プロテオミクスを適用した。
- 再帰的細胞近傍解析を含む統計的および機械学習（ML）手法を統合した。
- 受信者操作特性曲線下面積（ROC AUC）を用いて予測性能を評価した。
主要な成果:
- 複数の分子特徴量を統合したMLモデルは、12人中11人の患者において抗PD-1 ICB療法奏効を正確に予測した。
- 特定の腫瘍浸潤リンパ球ニッチ、免疫細胞組成、および一酸化窒素合成酵素レベルが、重要な予測因子として同定された。
- 最適な予測（ROC AUC 0.76）は、免疫細胞豊富な領域内の空間的関係を含む全ての分子特徴量を用いて達成された。
結論:
- 空間プロテオミクスデータを利用した機械学習モデルは、進行性メラノーマにおける抗PD-1 ICB療法奏効を正確に予測できる。
- 多層的オミクス空間データ、特に細胞の空間的関係および免疫微小環境組成を統合することで、予測精度が向上する。
- このアプローチは、免疫療法を受けている進行性メラノーマ患者の個別化治療選択の実現可能性を示す。
