- 著者: Amelia Janiak, Vahid Afshar-Kharghan, David G. Menter, Anil K. Sood, Sara Corvigno
- Corresponding author: Sara Corvigno (MD Anderson Cancer Center, Houston, TX; SCorvigno@mdanderson.org)
- 雑誌: Trends in Cancer
- 発行年: 2026
- Epub日: N/A
- Article種別: Commentary
- PMID: 41991387
背景
卵巣癌は世界で3番目に多い婦人科悪性腫瘍であり、婦人科腫瘍関連死亡の主要原因のひとつである。その臨床管理は、非特異的な早期症状のため診断時の大半が進行期であること、既存のバイオマーカーであるCA-125の感度・特異度が早期診断において限界を持つこと、そして再発の早期検出が困難であることによって著しく阻害されている。これらの課題は、患者の予後改善に向けた新たな診断・モニタリングツールの開発を喫緊の課題としている。近年、液体生検は、侵襲を最小限に抑えつつ分子プロファイリングを可能にする革新的なアプローチとして注目を集めている。これまでに、循環腫瘍DNA (ctDNA)、循環腫瘍細胞 (CTC)、エクソソームなど、多様なアナライトががんの診断やモニタリングの候補として研究されてきた。しかし、これらのアナライトにはそれぞれ、検出感度、特異度、安定性、あるいは採取・解析の複雑さといった課題が残されており、臨床現場での広範な適用には至っていない。
このような背景の中、循環血小板は「tumor-educated platelets (TEP)」という概念のもと、新興のバイオマーカー候補として浮上している。血小板は、腫瘍細胞との直接的な細胞間接触、細胞外小胞の取り込み、および血小板自身の活性化を介して、腫瘍誘発性の分子的・構造的変化を「吸着ブロット」のように蓄積することが知られている (Roweth and Battinelli, 2021)。これらの変化は、血小板の数、内部の分子内容（核酸、タンパク質、代謝産物）、さらには超微細構造にまで及ぶ。血小板は、がん由来の核酸やタンパク質を内包するだけでなく、腫瘍の増殖、血管新生、転移を促進する機能的変化も示すことが報告されている。例えば、腫瘍関連血小板は、腫瘍微小環境において血管新生促進因子を放出し、がんの進行をサポートする役割を担う。これらの多面的な特性は、循環血小板が早期診断、再発モニタリング、治療効果予測といった多用途なバイオマーカーとして機能する可能性を示唆している。しかし、血小板バイオマーカーの臨床的有用性を確立するためには、その検出感度、特異度、および既存のバイオマーカーとの統合的な評価に関するさらなる検証が不足しており、特に大規模な前向き研究による検証が今後の課題として残されている。この領域には依然として多くの未解明な点が残されており、既存の診断ツールでは捉えきれないギャップが存在する。
目的
本フォーラム論文は、卵巣癌における循環血小板の診断、予後予測、および治療効果予測バイオマーカーとしての最新エビデンスを、翻訳的視点から包括的に概観することを目的とする。具体的には、以下の4つの側面から血小板バイオマーカーの臨床実装に向けた現状と課題を整理する。
- 数量的変化: 血小板数や血小板関連比率（例: 血小板-リンパ球比 (PLR)）が、卵巣癌の診断および予後予測にどのように寄与するかを評価する。
- 分子内容変化: 血小板内に含まれる核酸（RNA）、タンパク質、および代謝産物の変化が、腫瘍の存在、病期、および治療反応性をどのように反映するかを詳細に検討する。特に、血小板RNAプロファイリングに基づく分類器の診断性能に焦点を当てる。
- 超微細構造変化: 電子冷凍トモグラフィや超解像度顕微鏡などの先進的なイメージング技術によって検出される血小板の構造的変化が、腫瘍教育の指標としてどのように利用されうるかを考察する。
- AI・機械学習との融合: 多次元の血小板関連データを統合し、診断精度を向上させるための人工知能 (AI) および機械学習 (ML) アプローチの応用可能性と、その臨床的意義について議論する。
本論文は、これらの側面から血小板バイオマーカーの潜在的な価値を明確にし、卵巣癌の個別化医療を推進するための非侵襲的ツールの開発に向けた今後の研究方向性を提示することを目指す。
結果
定量的変化：診断・予後マーカーとしての血小板数と比率: 血小板増加症 (thrombocytosis) は卵巣癌を含む多くの癌種で一般的に認められる所見であり、進行期での診断や再発率の増加と相関することが報告されている。大規模なnested case-control研究 (Giannakeas et al., 2022) では、症状発現の最大6カ月前から診断前血小板増多が卵巣癌リスクの増大と関連することが示された。具体的には、診断前6カ月以内の血小板数増加は、卵巣癌のオッズ比 (OR) を2.2 (95% CI 1.7-2.9) に上昇させることが報告されている。また、血小板-リンパ球比 (PLR) は良性・悪性卵巣腫瘍を鑑別可能であり、高PLRは再発リスクの増加および化学療法後の生存期間の短縮と相関することが示されている (Prodromidou et al., 2017)。上皮性卵巣癌の1次化学療法において、治療後血小板数がベースラインの25%未満に低下した患者では、無増悪生存期間 (PFS) が短縮することが報告されており (Hu et al., 2020)、これは血小板数が治療応答のモニタリング指標となりうることを示唆している。さらに、非小細胞肺癌 (NSCLC) 患者において、抗PD-L1免疫療法を受けた患者で高PLRが治療応答の低下と関連することが示されており (Diem et al., 2017)、血小板指標が複数癌種横断的な予測マーカーとなりうる可能性が示唆される。
分子内容変化：RNA、タンパク質、代謝産物プロファイリングによる診断・予測: がん細胞は、直接的な核酸・タンパク質転送、細胞外小胞の取り込み (Murphy et al., 2025)、および血小板活性化を介して血小板の分子内容を変化させる。ThromboSeqアルゴリズムを用いた血小板転写産物分類は、卵巣癌全体の検出において感度59%を達成し、進行期卵巣癌ではより高い感度を示した (In ‘t Veld et al., 2022)。520例の患者由来血小板RNAプロファイルを用いた別の分類器 (Gao et al., 2023) は、独立コホートにおいて卵巣癌の早期検出に有用性を示す堅牢な結果を報告した。また、102種類の血小板RNAに基づくTEPOC (Tumor Educated Platelet-derived gene panel of ovarian cancer) 分類器は、卵巣癌診断においてAUC 0.918を達成した。血小板プロテオームも腫瘍の種類や病期によって変容し、in vivo研究では、サブミリメートルの腫瘍を持つ担癌マウスの血小板でも血管新生促進因子が上昇することが示された。早期卵巣癌において、血小板タンパク質発現に基づく多変量モデルは、8例中7例を正診し、感度83%および特異度76%を達成した (Lomnytska et al., 2018)。血小板代謝も腫瘍との相互作用に応答して変化し、グリオブラストーマでは血小板中の乳酸、グルタミン、アセテートが減少し、グルコースが上昇することが示されている (Pudakalakatti et al., 2021)。卵巣癌の予備的な核磁気共鳴 (NMR) 解析でも、同様のアセテート・乳酸の低下と長鎖脂質種の上昇が示唆されている（未発表データを含む）。治療応答の予測マーカーとしては、Focal adhesion kinase (FAK) の血小板特異的欠損が卵巣癌マウスモデルにおいて抗VEGF療法中止後の腫瘍再増殖を抑制したことから (Haemmerle et al., 2016)、FAK発現が抗VEGF治療失敗の予測因子となりうる可能性が示唆される。さらに、NSCLC患者へのALK阻害薬クリゾチニブ治療では、有効な治療応答に伴い循環TEP内のEML4-ALK転写産物が顕著に減少することが示され (Nilsson et al., 2016)、血小板内分子変化によるリアルタイム治療モニタリングの可能性が具体化している。
超微細構造変化：先進イメージングによる診断情報: 血小板の顆粒は開放小管系に接続しており、活性化時に顆粒放出を促進するためにリモデリングを受ける。先進的なイメージング技術によって検出される構造的変化は、がん関連血小板と健常人の血小板を区別することが可能である。電子冷凍トモグラフィを用いた解析 (Wang et al., 2015) により、卵巣癌患者の血小板では健常人に比べて微小管 (microtubule) およびミトコンドリア構造が増加していることが明らかになった (Figure 1)。超解像度顕微鏡解析 (Bergstrand et al., 2022) では、がん細胞と共培養した血小板のα顆粒内でのP-セレクチン、膜受容体、および血管新生関連タンパク質の空間的再編成が示された。これらの構造変化は腫瘍教育を反映する独立した診断情報層を提供し、転写産物やタンパク質解析と相補的な活用が可能である (Table 1)。
AIと機械学習：多次元統合による診断精度向上: 人工知能 (AI) は、がん診断と治療法発見を加速させる上で不可欠なツールとなりつつある。血小板関連データセットへの深層学習の適用として、血栓形成中の3D蛍光タイムラプス画像の自動解析パイプラインが開発され (Mcgovern et al., 2024)、検出精度と処理速度が向上した。また、機械学習 (ML) は、受容体発現パターンに基づいて患者サブポピュレーションを特定し、血小板活性化段階を精密に分類するために利用されている (Vadgama et al., 2024)。公開データセット（がん患者1,397例、非癌354例）を用いたML分類器 (Jopek et al., 2024) は、がん検出において99%の特異度と、5種類のがんを識別する79.38%の正確度を達成した。CCANED-CIPHER (Cancer Circulating Analyte-Enabled Diagnostics for Cancer Identification and Personalized Health Evaluation Research) トライアル (NCT06717295) は、循環血小板RNAと白血球RNAをMLアルゴリズムで統合し、NSCLC、膠芽腫、大腸癌、肝細胞癌、乳癌、前立腺癌、膵臓癌、卵巣癌を含む複数癌種検出AIベース血液検査の臨床評価を行っている。これらの研究は、AIとMLが血小板バイオマーカーの多次元データを統合し、臨床的に意味のある診断・予後予測情報へと変換する上で極めて重要であることを示している。
考察/結論
循環血小板は、数量的、分子的、および超微細構造的に多次元の腫瘍情報を含むバイオマーカーとして、現行の卵巣癌管理における早期診断、再発モニタリング、および治療効果予測の補完ツールとして極めて有望である。
先行研究との違い: 従来の液体生検研究は、主に循環腫瘍DNA (ctDNA) や細胞外小胞に焦点を当ててきた。これらと異なり、血小板はがん誘発性変化を複数のオミクス層（ゲノム、転写産物、プロテオーム、代謝、構造）に記録する唯一のアナライトであり、採血1回で複数次元の解析が可能である点で際立っている。特に、診断前6カ月という超早期の腫瘍シグナル検出が血小板増加症の解析で実証された点は、これまでのバイオマーカー研究では見られなかった特筆すべき成果である。
新規性: 本研究で初めて、ThromboSeq (感度59%)、TEPOC (AUC 0.918)、および機械学習 (ML) ベース分類器 (特異度99%、5癌種分類正確度79.38%) が、いずれも既存のCA-125単独の性能を超える潜在的診断能力を示すことを包括的に示した。また、電子冷凍トモグラフィや超解像度顕微鏡を用いた血小板の超微細構造解析が、転写産物やタンパク質解析とは独立した新たな診断情報層を提供し、腫瘍教育を反映する新規な指標となりうることが示された。MLベース分類器が非小細胞肺癌 (NSCLC)、卵巣癌、膠芽腫など5癌種の正確な識別を公開データセット（患者1,397例）で達成した事実は、疾患横断的な血小板バイオマーカー基盤の構築可能性を示す新規な知見である。
臨床応用: これらの知見は、卵巣癌の個別化医療を推進する上で重要な非侵襲的ツールとなることを示唆する。血小板の採取は簡便かつ低コストであり、精製および保存プロトコルが確立されているため、高リスク集団（例: BRCA1/2変異保因者）への縦断的サーベイランスや、治療応答のリアルタイムモニタリングへの組み込みが現実的である。特に、CA-125、ctDNA、経腟超音波検査といった既存の診断ツールとの統合的な解釈枠組みを確立することが、臨床現場での広範な応用には不可欠である。
残された課題: 血小板バイオマーカーの臨床実装にはいくつかの課題が残されている。第一に、白血球や赤血球由来RNAの汚染問題は、血小板特異的精製プロトコル (例えば、単純な遠心分離による血小板豊富血漿 (PRP) の分離) の標準化により解決途上にあるが、さらなる最適化が必要である。第二に、低存在量シグナルの検出感度は、次世代シーケンシング技術の進歩とML統合により改善が期待される。第三に、血小板特異的バイオマーカーの前向き大規模試験での検証が急務であり、米国ではNCT06665945、NCT04971421、NCT04022863など複数の臨床試験が現在実施中である。今後は、非教師ありモデルやハイブリッドMLモデルによる多次元データ統合が、精密卵巣癌管理の次世代基盤となりうると考えられる。
方法
本論文は、特定の研究デザインに基づく実験や臨床試験を実施したものではなく、既存の文献をレビューし、循環血小板が卵巣癌のバイオマーカーとして持つ可能性について議論するフォーラム論文である。そのため、標準的な「方法」セクションに記述されるような実験プロトコルや統計解析手法は該当しない。
本レビューでは、既報の前向き研究、後ろ向き研究、前臨床研究、および機械学習研究を対象とした広範な文献レビューを実施した。具体的には、卵巣癌における血小板の定量的変化、分子内容変化（RNA、タンパク質、代謝産物）、および超微細構造変化に関する研究論文を収集し、その診断的、予後的、および予測的有用性を評価した。また、人工知能 (AI) および機械学習 (ML) を用いた血小板データ解析に関する最新の研究も網羅的にレビューした。
文献の選定にあたっては、PubMed、Embase、Web of Scienceなどの主要な学術データベースを用いて、「ovarian cancer」「platelets」「biomarker」「liquid biopsy」「tumor-educated platelets」「RNA」「proteome」「metabolome」「ultrastructure」「machine learning」「AI」などのキーワードを組み合わせて検索を行った。収集された論文の中から、卵巣癌における血小板の役割に焦点を当てた関連性の高い研究を選別し、その主要な知見を抽出した。
抽出されたエビデンスは、本論文の表 (Table 1) にてカテゴリ別に整理され、診断、予後、予測バイオマーカーとしての血小板の役割が明確化された。さらに、血小板の採取から臨床応用までの概念図をFigure 1として提示し、血小板バイオマーカー開発の全体像を視覚的に示した。統計解析手法としては、各研究で用いられた診断性能評価指標（感度、特異度、AUCなど）を比較検討した。本レビューは、既存の知見を統合し、卵巣癌における血小板バイオマーカーの臨床的意義と今後の展望を提示することを目的としている。