PSAの「数字」だけでなく「変化」を見る―AIを使った前立腺がん予後予測の新しい研究

PSAの「数字」だけでなく「変化」を見る――AIを使った前立腺がん予後予測の新しい研究

前立腺がんの治療では、血液検査で測定するPSA（前立腺特異抗原）が、治療の経過を見るための重要な指標の一つです。

PSAが下がっていれば治療が効いている可能性があり、反対に上昇してくれば、病気の進行を疑うきっかけになります。

しかし、PSAは「ある時点の数字」だけを見ればよいわけではありません。

どのくらいの速さで下がったのか、いったん下がった後にどう変化したのか、再び上昇してきたのか―。

こうしたPSAの時間的な変化（PSA trajectory）にも、患者さんの病気の状態や、その後の経過に関する情報が含まれている可能性があります。

PSAの「軌跡」をAIに学習させる

2026年に発表された研究では、転移性前立腺がんの患者さんを対象に、長期間にわたって測定されたPSAの変化をAIに学習させ、患者さんの生存期間を予測するモデルが検討されました。

研究では、ニューヨークのMemorial Sloan Kettering Cancer Center（MSK）の患者403人のデータを用いてモデルを作成し、その後、米国退役軍人省（VA）の約1万人の患者データを使って、別の患者集団でも同じモデルが機能するかを検証しました。

このように、異なる医療機関・患者集団で検証することは、AIモデルが特定の病院の患者だけに当てはまるのではなく、より広い患者さんに利用できる可能性があるかを確認するうえで重要です。

「PSAがいくつか」から「PSAがどう変わったか」へ

この研究で興味深いのは、PSAを単純に「現在の値」や「PSA doubling time」のような一つの指標にまとめるのではなく、時間とともに変化していくPSAのパターンそのものをAIに学習させたことです。

例えば、「PSAが100から50になった」という情報だけではなく、「100 → 80 → 55 → 40 → 35」と変化してきたのか、あるいは「100 → 60 → 40 → 70 → 100」と変化してきたのかでは、同じ「現在のPSA 100」という数字でも意味が異なります。

AIは、このような時間軸を持った情報を利用して、患者さんごとの予後リスクを推定します。

予測能力も改善

この研究では、AIモデルの性能をC-index（concordance index）という指標で評価しました。従来の方法ではC-indexが約0.65～0.68だったのに対し、新しいモデルでは約0.72～0.75でした。

C-indexは、AIが「経過が良さそうな人」と「注意が必要な人」を、実際の経過に沿ってどのくらい正しく予測できるかを示す指標です。  

数字が1に近いほど予測した経過と実際の経過が一致します。

ただし、C-indexが0.75だから「75％の確率で患者さんの生存期間を当てられる」という意味ではありません。あくまで、患者さんごとの予後リスクを区別する能力を示す指標です。

これからの前立腺がん治療に

今回の研究が示しているのは、「PSAという一つの数字を見る」のではなく、「PSAが時間とともにどう変化しているかを見る」ことに価値がある、ということです。

そして、これは今後の個別化治療にもつながる可能性があります。

前立腺がんでは、PSAだけでなく、CTやMRI、PSMA PETなどの画像検査、さらに血液中の腫瘍由来DNA（ctDNA）など、さまざまな情報を組み合わせて病気の状態を評価する研究が進んでいます。

将来的には、PSAの変化＋ 画像の変化＋ 血液中の腫瘍マーカーの変化を、AIが総合的に解析することで、治療を始めた後の早い段階から、「この治療がどのように効いているのか」を、より細かく把握できるようになるかもしれません。

まだ研究段階の技術ではありますが、一つの検査結果だけを見るのではなく、「時間経過の中で、病気がどう変化しているか」を捉えるという考え方は、これからの前立腺がん治療において重要になっていくと考えられます。