マルチモーダルデジタルツインモデル、膵臓がんの従来のバイオマーカースラティフィケーションを上回る
Multi-modal digital twin model outperforms conventional biomarker stratification in pancreatic cancer
膵臓がん患者の治療選択を改善するため、FarrSight®というベイジアン基盤モデルを用いて個々の患者の分子デジタルツインを生成し、従来のMoffitt分類と比較した。COMPASS臨床試験(進行膵臓がんの一次治療におけるmFOLFIRINOXおよびゲムシタビン+nab-パクリタキセルに関する非ランダム化試験)の参加者を対象とした。特にmFOLFIRINOXに対する反応予測において、デジタルツインモデルはMoffitt分類を上回り、basal-likeサブタイプではAUC 72.3%対44.8%、全体精度65.8%対47.4%、陽性的中率60%対40%、陰性的中率72.2%対52.2%という結果を示した。この結果は、集団平均に基づくバイオマーカーと比較して、FarrSight®のようなモデルが個々の患者の治療反応をより良く予測し、治療選択や薬剤開発に貢献する可能性を示唆している。
- FarrSight®ベイジアン基盤モデルによる分子デジタルツインが、膵臓がん治療反応予測において従来のMoffitt分類を上回る性能を示した
- mFOLFIRINOX反応予測で、basal-likeサブタイプにおいてAUC 72.3%対44.8%、全体精度65.8%対47.4%と、デジタルツインモデルが従来法を大きく上回った
- COMPASS臨床試験の参加者データを用いて検証が行われた
FarrSight®のようなベイジアン基盤モデルが、膵臓がんの治療反応予測において従来のバイオマーカー分類(Moffitt分類)を明確に上回る結果を示した点は、AIによる個別化医療分野での実用的価値を裏付ける重要なエビデンスである。特にmFOLFIRINOXに対する反応予測でAUC 72.3%対44.8%と大幅な差がついたことは、AI基盤モデルによるデジタルツインアプローチが薬剤開発や治療選択の意思決定を変え得ることを示唆しており、医療AIスタートアップや製薬企業の開発パイプラインへの投資インパクトが大きい。