- 著者: Clusmann J, Koop PH, Zhang DY, van Haag F, El Nahhas OSM, Seibel T, Žigutytė L, Kaewdech A, Calderaro J, Tacke F, Luedde T, Truhn D, Bruns T, Schneider KM, Kather JN, Schneider CV
- Corresponding author: Schneider CV (RWTH Aachen University), Kather JN
- 雑誌: Cancer Discovery
- 発行年: 2026
- Epub日: 2026-03-26
- Article種別: Original Article
- DOI: 10.1158/2159-8290.CD-25-1323
背景
肝細胞癌 (HCC) は世界的に罹患率・死亡率が上昇しており、早期診断が予後改善のカギを握る。しかし現行スクリーニングは肝硬変 (CLD) を唯一の組み入れ基準とし、感度に大きな限界がある。UK Biobank (UKB) を解析した本研究の知見によれば、HCC患者の31%のみが先行して肝硬変診断を受けており、28%はいかなるCLD診断も持たない。すなわち「肝硬変ファースト」のスクリーニング方針では、HCCの大多数が見逃される構造的ギャップが存在する。FIB-4・APRI・aMAP等の既存線形リスクスコアはハイリスク患者集団を想定して開発されており、一般集団スケールでの精度-再現率 (AUPRC) は著しく低い。
解釈可能な機械学習 (ML) アルゴリズムはがん診断・リスク予測に変革をもたらしつつある。AIを活用した深部プロテオミクス解析が膵癌前駆病変の分子転換を明らかにした (Min et al. CancerDiscov 2026) ように、大規模コホートデータとMLの組み合わせは癌リスク層別化に新たな地平を開いている。組織病理学における解釈可能なML (Liang et al. CancerCell 2026) や生成AIモデルによるがんの複雑性解析 (Conard et al. Cell 2026) など、MLを活用した癌研究は多面的に発展している。
しかしHCCに特化した集団ベースのMLアプローチについて、異なる医療システムを持つ2つの独立コホートで体系的に検証した研究は存在しなかった。また各データモダリティ (人口統計・電子健康記録: EHR・血液検査・ゲノム・メタボロミクス) の独立した予測寄与の比較も未実施であり、どのモダリティ組み合わせが最大の予測精度を発揮するかは不明のままであった。
目的
UKBおよびAll of Us (AOU) という2つの世界最大規模コホートを用いて、HCC発症リスクを予測する解釈可能なMLモデル (PRE-Screen-HCC) を開発・外部検証し、各データモダリティの独立した予測寄与を体系的に比較する。
結果
データモダリティ比較 — 血液パラメータが単独最強モダリティ：
UK Biobankから得られた全HCC n=538 (国立がん登録確認) および対照群を対象に、5種のデータモダリティを段階的に追加したモデル比較を実施した。人口統計のみのModel A (n=51特徴量) から、EHRを追加したModel B、さらに血液パラメータを加えたModel C (人口統計+EHR+血液) でAUROC 0.88 (全集団: All) / 0.86 (患者リスク群: PAR) に達し、プラトーに到達した (Fig 2)。血液単独モデルはAUROC 0.86 (All) / 0.87 (PAR) を示し、すべての単独モダリティ中で最も高い予測精度を発揮した。一方、ゲノムデータ (PNPLA3等の既知HCC関連一塩基多型: SNP; n=488,377人でgenotyping) の追加はモデル性能を改善しなかった (Fig 2G)。多遺伝子リスクスコアの表現型モデリングに対する相対的限界が大規模に示された形である。NMRメタボロミクス (n=143 metabolites; n=248,266人) の追加は限定的な改善に留まったため、ルーチン臨床データのみで構成されたモデルに絞って外部検証を行った。
TOP15モデル — AUROC 0.89達成と既存スコア大幅凌駕：
SHAP (SHapley Additive exPlanations) 解析と特徴量アブレーションにより予測寄与の高い15項目 (TOP15) が同定された：AST、ALT、血小板数、γ-GT、ウエスト周囲径、糖尿病 (diabetes mellitus)、年齢、性別、アルブミン、肝硬変、慢性C型肝炎、平均血小板体積 (platelet volume)、HbA1c、アルカリホスファターゼ (Alk. Phos.)、平均赤血球容積 (MCV)。TOP15 Random Forest Classifier (RFC; scikit-learn 1.2.2, n_estimators=50, max-depth=3; 5分割CVアンサンブル) のUKBテストセット性能はAUROC 0.89 (All) / 0.86 (PAR) であり、ベンチマークのaMAP (AUROC 0.79/0.83; DeLong検定 p<0.0001) を有意に上回った (Fig 2)。精度-再現率曲線下面積 (AUPRC) では既存スコアに対して3〜10倍の向上を達成し、疑陽性数を約32,000件から約8,000件に削減しながら再現率を維持した (Fig 2)。
訓練設定はUKBのEnglandセンター (22センター中18) で実施し、Scotland・Wales・Newcastleの4センター (全HCC n=538のうちテストHCC n=123) を非ランダムの地理的テストセット (TRIPOD 2b) とした。5つのクロスバリデーションモデルを平均投票で統合したアンサンブル分類器を最終モデルとして評価した。
3クラスリスク層別化による臨床的実用性：
予測確率に基づく3クラス分類を設定した：高リスク (>0.55) / 中リスク (0.35〜0.55) / 低リスク (<0.35)。高リスク群 (UKB All) はHCC全体の79.8%を含み、陽性的中率 (PPV) 1.7% (All) / 3.3% (PAR) を達成した (Table 2, Fig 2)。中リスク群のPPVは0.21% (All) / 0.22% (PAR)、低リスク群の陰性的中率 (NPV) は0.9999 (All) / 0.9995 (PAR) に達した。高リスク群は年間HCC発症率0.2%という経済的スクリーニング閾値を両コホートで超過しており、スクリーニング対象選定の臨床的妥当性が示された。
高リスク閾値でHCCの3分の2を検出するために必要なスクリーニング数 (NNS) は一般集団で70〜80、PAR集団で約26であった。一方、現行の肝硬変のみスクリーニングプログラムは、完全遵守・完全検出率を仮定しても最大5人中1人 (20%) しかHCCを検出できないことが示された (Fig 2D)。HCC患者のうち先行CLD診断を持つ割合はUKBでわずか31%、CLD診断なしが28%を占め、UKBにおけるHCC診断までの平均経過時間は8.7年、診断時年齢は70 ± 6.8歳であった。
All of Usコホートでの独立外部検証と公平性評価：
米国のAOUコホート (n=409,420; 2024年10月時点) を用いた完全独立外部検証 (TRIPOD 3) を実施した。AOU HCC群はn=445で診断時年齢62.1 ± 10.2歳とUKBより若く (p<0.0001)、民族的多様性も高かった (Fig 5C)。TOP15 Allモデルの性能はAUROC 0.85 (All) / 0.83 (PAR) であり、UKBで開発されたモデルが異なる医療システムへの高い汎化性を保持することが確認された (Fig 5D, E)。
特筆すべき点として、訓練データの94%がCaucasian系にもかかわらず、AOU白人 vs 非白人集団間で予測精度に有意差は観察されなかった (Fig 5F, G)。UKBで構築したPlatt scalingキャリブレーションはAOUへの転用後も保持された (calibration slope/intercept)。Feature importanceパターンはAOUでもUKBと同様にAST・ALT・血小板数・γ-GT等が上位を占めた (Fig 5L, M)。
PheWASによるEHR特徴量の体系的選択：
EHR特徴量選定には傾向スコアマッチング 1:10 (共変量：年齢・性別・BMI) を用いたPheWAS (表現型ワイド関連解析) を実施した。n=1,799のPheCodes (ICD-10変換) をBonferroni補正後に評価し、有意相関するn=137コードから136の臨床的意義ある項目を2名の臨床家が手動キュレーションした (Fig 2C, E)。包含カテゴリは慢性肝疾患・門脈圧亢進症兆候・心血管リスク因子・消化器癌 (肝胆道系を除く) であり、データリーケージ防止のためHCC診断の少なくとも1年前で打ち切った。
考察/結論
① 先行リスクスコアとの違い：aMAP (AUROC 0.79/0.83)・FIB-4・APRIといった従来の線形スコアと異なり、PRE-Screen-HCCはROCベースの指標のみならずAUPRCにおいても3〜10倍の優越性を示した。これまでの線形スコアが肝硬変患者のみを対象としたハイリスク設定で開発されてきたのとは対照的に、本モデルは一般集団スケールでの前向きリスク予測を目的に設計・独立検証された。希少イベント設定では豊富な陰性例を正しく分類することでROC-AUCが高く維持されるため、AUPRCによる評価が本質的に重要であり、この観点で既存スコアとの差異が際立つ。また、肝硬変は「rule-in」基準としては高特異度で有用だが、「rule-out」基準として機能しないことが数値的に示された。
② 新規性：本研究は独立した2つの大規模コホート (UKB TRIPOD 2b + AOU TRIPOD 3) でHCC予測モデルを検証した新規な体系的データモダリティ比較研究であり、各モダリティの独立した予測寄与を新規に明らかにした。PNPLA3変異を含むゲノムデータが表現型モデリングの精度を改善しないことを大規模に実証した点は多遺伝子リスクスコア論争に新規な実証的根拠を与える。PRE-Screen-HCCが解釈可能なRFC (max-depth=3) で高精度を達成した点も、深層学習への依存を避けつつ臨床現場への適用可能性を高めた新規なアプローチである。MLによるがんの複雑性解析が加速する中 (Conard et al. Cell 2026)、血漿バイオマーカーを活用した癌予防アプローチ (Pandya et al. Cell 2026) と並び、本研究はルーチン検査を活用した集団スクリーニングという補完的な戦略の有効性を示した。早期発症癌の増加に伴う癌原因究明の必要性が高まる中 (Shi et al. Cell 2026)、集団規模の前向き癌リスク予測ツールの確立は急務である。
③ 臨床応用：PRE-Screen-HCCはWebカリキュレーター (Hugging Face)・Pythonパッケージ・コマンドラインインターフェースで公開され、病院情報システムへの統合が容易に実施できる。NNS 26 (PAR) という数値は現行の超音波スクリーニングプログラムで採用される閾値に匹敵し、肝硬変診断を前提としない第一選択プレスクリーニングとして、ルーチン健診の血液検査のみでHCC高リスク者を同定できる。これによりガイドライン基準を満たさない非肝硬変・非CLD例への早期介入機会の拡大という臨床的意義は大きい。高リスク群のHCC年間発症率が0.2%閾値を超えることから、経済的にも実施可能なスクリーニング対象の選定が本ツールにより達成される。
④ 残された課題：アジア人集団 (B型肝炎ウイルスが主因) での検証は今後の研究として残されており、現時点での汎化性の主張はこの点に限界がある。女性症例の誤分類率がUKB・AOU双方で約2〜13%と男性より高く、性別統合モデルの妥当性に疑問が残る。バイオプシー確認の脂肪性肝疾患を用いたモデル開発も未実施である。また確率閾値は集団の疾患負荷に応じた独立較正が必要であり、LiverAIM・SEAL試験のような前向き介入試験によるエビデンス蓄積が求められる。
方法
研究デザイン：予測分析研究 (TRIPOD・TRIPOD AI・ESMO GROW 準拠)。
UKBコホート：n=502,309 (37〜73歳; 2006〜2010年入組)。HCC n=538はNHS登録 + 国立がん登録の二重確認例のみを採用 (ICD-10 C22.0)。HCC診断1年以内または1年後以内の先行HCC例 (n=36) を除外。地理的分割：Englandセンター18/22カ所で訓練; Scotland・Wales・Newcastle (全HCC n=538中テストHCC n=123) でテスト。
AOUコホート：n=409,420 (2024年10月時点)。HCC n=445; 診断時年齢62.1 ± 10.2歳。EHRはOMOP Common Data Modelでharmonize。血液データは年平均で集計後、MICE (Multiple Imputation by Chained Equations) + CART (Classification and Regression Trees) で欠測補完。3つのアンカー時間窓 (<2010年・2010〜2015年・2015〜2020年) で5年HCC発症を評価。
統計・モデリング：RFC (scikit-learn 1.2.2); hyperparameter grid search → n_estimators=50, max-depth=3; センター別グループ5分割クロスバリデーション (CV); 5モデルの平均投票アンサンブル。SHAP (shap-library) による特徴量重要度解析。AUROC比較: DeLong検定 (両側) + Bonferroni補正。キャリブレーション: Platt scaling (CalibratedClassifierCV) → calibration slope/intercept/Brier score。統計: Welch t検定 (連続変数) / χ2検定 (カテゴリ変数); FDR・Bonferroni多重補正。
データモダリティ：人口統計 (n=51特徴量) / EHR (PheWAS由来136 ICD codes) / 血液・生化学 (UKBカテゴリ100080; PAR定義: AST ≥50/35 U/L, ALT ≥50/35 U/L, γ-GT ≥60/40 U/L [男性/女性]) / メタボロミクス (NMR, n=143 metabolites; n=248,266人) / ゲノム (SNP; n=488,377人)。欠測: UKBはmean imputation; AOUはMICE+CART; oestradiol・rheumatoid factorは欠測多数のため除外。
解析環境：RStudio 2023.12.1 (前処理・統計); Python 3.9 (モデリング・可視化); Inkscape 1.3.2 (図組み立て)。コード・学習済みモデルはGitHub (schneiderlabac/PRE_SCREEN_HCC) およびHugging Faceで公開。