乳がん診断に革命を！AIだけではない、数学が乳がん診断を進化させる

乳がんの検査で採取された組織は、病理医によって顕微鏡で詳しく調べられる。

確認するのは、がん細胞が存在するかどうかだけではない。細胞の形が正常な組織からどれほど変化しているか、乳腺本来の構造が残っているか、細胞が規則的に並んでいるか、それとも秩序を失って広がっているか。病理医はさまざまな特徴を総合し、がんの種類や悪性度を判断している。

乳がんの治療方針を決める上では、女性ホルモンに反応する受容体の有無、HER2と呼ばれるタンパク質、細胞の増殖能力、腫瘍の大きさ、リンパ節転移など、多数の情報が用いられる。

それでも、一人ひとりの患者について、がんが今後どのように進行するのか、どの治療が最も効果的なのかを正確に予測することは容易ではない。

こうした課題に対し、コロンビア大学などの研究チームが、数学の一分野である「トポロジー」を利用した新たな評価方法を発表した。

研究チームが目指したのは、病理医が目で見て判断してきた腫瘍組織の「整い方」や「乱れ方」を、連続的な数値として表すことだ。組織の構造を計算可能なデータに変えることで、患者の生存期間や治療反応を、より正確に予測できる可能性があるという。

正常組織とがん組織は「並び方」が違う

正常な乳腺では、細胞が一定の役割と配置を保ちながら、乳管や小葉などの構造を形成している。

しかし、細胞ががん化すると、こうした秩序が次第に失われていく。細胞の大きさや形がばらばらになり、核の形も不規則になる。本来あるはずの腺構造が崩れ、細胞集団の境界も曖昧になっていく。

一般的に、正常な組織に近い構造を保っている腫瘍は、比較的ゆっくり進行することがある。一方で、組織の秩序を大きく失った腫瘍は、増殖や周囲への浸潤が活発な可能性がある。

病理医は以前から、このような組織の変化を観察してきた。

ただし、複雑な形態を人間の目だけで完全に数値化することは難しい。病理診断には明確な基準があるものの、数段階のグレードでは表現できない細かな差が存在する。

同じグレードに分類された患者であっても、治療への反応や再発リスクが同一とは限らない。研究チームは、従来の分類の間に埋もれていた微妙な違いを、数学的に取り出そうとした。

555人の乳がん組織を分析

研究では、米国ノースカロライナ州の患者を中心とする、多様な背景を持つ乳がん患者555人の組織データが分析された。

研究チームは、多重免疫蛍光染色と呼ばれる技術を使い、腫瘍組織の中にある複数の細胞や分子を識別した。

対象には、がん細胞のほか、CD8陽性T細胞などの免疫細胞、マクロファージに関連する細胞、腫瘍を取り囲む間質細胞などが含まれる。免疫反応を抑制する仕組みに関係するPD-L1の発現も調べられた。

研究チームは単に細胞の数を数えたのではない。

それぞれの細胞が組織内のどこに存在するかを座標として記録し、がん細胞同士がどのように集まっているか、免疫細胞ががん細胞にどの程度近づいているか、細胞集団の間にどのような空間が存在するかを解析した。

つまり、「どの細胞が何個あるか」だけでなく、「どの細胞がどこにあり、互いにどのような関係を作っているか」を調べたのである。

組織の形を測る「持続的ホモロジー」

細胞の複雑な配置を数値化するために使われたのが、「持続的ホモロジー」と呼ばれる数学的手法だ。

これは、データの中に存在する形やつながり、穴のような構造を、異なる尺度から調べる方法である。

一つひとつの細胞を、地図上に打たれた点として考えると分かりやすい。

各点を中心に小さな円を描き、その円を少しずつ大きくしていく。円が小さいうちは、細胞は独立した点として存在する。円が大きくなると、近くにある細胞同士がつながり、複数の集団が形成される。

さらに円を広げると、別々だった集団が合流する。その過程では、細胞集団に囲まれた空間や穴が生まれ、やがて消えていく。

持続的ホモロジーは、それぞれの集団や空間が、どの尺度で現れ、どれほど長く残るのかを計算する。

すぐに消える構造は、偶然のばらつきや画像上のノイズかもしれない。一方、尺度を変えても長く残る構造は、その組織が持つ本質的な特徴を反映している可能性が高い。

研究チームは、この情報を統計解析や機械学習で扱える数値へ変換した。その上で、細胞間の距離、細胞の密度、集団の形、PD-L1の強さなどを組み合わせ、腫瘍組織の秩序を示すスコアを作成した。

高いスコアは、比較的まとまりのある組織構造を示す。低いスコアは、細胞配置が大きく崩れ、組織の無秩序さが増していることを示す。

組織の秩序が高い患者ほど良好な経過

研究の結果、トポロジーに基づくスコアは、乳がん患者の生存期間と関連していた。

組織構造が比較的整っていることを示す高スコアの患者では、生存期間が長く、より良好な経過をたどる傾向が確認された。一方、組織の秩序が失われた低スコアの腫瘍は、より攻撃的な性質と結び付いていた。

腫瘍細胞の構造だけを解析した場合にも一定の予測力があり、免疫細胞やPD-L1に関する情報を加えることで、モデルの性能が高まる場合があった。

研究論文では、トポロジーを利用した指標が、従来の一部の遺伝子・タンパク質マーカーより高い予後予測精度を示したと報告されている。

ただし、これは従来の検査が不要になることを意味しない。

乳がんの予後は、腫瘍の大きさ、進行度、分子タイプ、治療内容、患者の年齢や健康状態など、多数の要因によって左右される。新しいスコアは、既存の検査に置き換わるものではなく、そこへ追加する情報として期待されている。

人種や民族による予測差が小さい可能性

今回の研究では、トポロジー指標の予測力が、非ヒスパニック系黒人患者と非ヒスパニック系白人患者の間で比較的安定していたことも注目された。

医療用の予測モデルは、開発に使われたデータの構成によって、特定の集団で精度が下がることがある。

従来の一部のバイオマーカーでは、人種や民族によって予測性能に違いが生じることが報告されている。今回のトポロジー指標は、それらと比較して、患者集団による性能の変動が小さい傾向を示した。

多様な患者に対して安定した精度を維持できる技術は、医療格差を拡大させないという点でも重要だ。

もっとも、この結果だけで公平性が証明されたわけではない。人種や民族は、単純な生物学的分類ではなく、医療へのアクセス、生活環境、所得、治療開始までの時間など、複数の社会的要因とも関係している。

実際に異なる国や地域で利用するには、さらに幅広い患者集団を対象とする検証が必要になる。

遺伝子情報との組み合わせで治療反応を予測

研究チームは、組織画像から得られたトポロジースコアを、遺伝子発現データとも組み合わせた。

その結果、組織構造の特徴と連動する遺伝子群が特定され、「トポロジー由来遺伝子シグネチャー」が作られた。

この遺伝子シグネチャーを別の乳がん臨床試験データに適用したところ、手術前に行われる薬物療法への反応を予測できる可能性が示された。

乳がんでは、手術に先立って抗がん剤や分子標的薬を投与し、腫瘍を小さくする治療が行われることがある。

治療後の手術検体で浸潤がんが確認されない状態は「病理学的完全奏効」と呼ばれ、その後の経過を考える上で重要な指標となる。

将来的に、組織の形、遺伝子、タンパク質、患者の臨床情報を統合できれば、「この患者にはどの治療が効きやすいのか」を、より個別に判断できるかもしれない。

ただし、現段階でトポロジースコアを使って治療薬を選択できるわけではない。今回示されたのは、治療への反応に関する情報が組織構造にも含まれている可能性であり、臨床で利用するには追加の検証が欠かせない。

組織の乱れは代謝や免疫とも関連

研究では、組織構造の乱れが、単なる見た目の変化ではなく、腫瘍内部の代謝や免疫活動とも結び付いている可能性が示された。

低いトポロジースコアは、細胞の移動、浸潤、免疫抑制、上皮間葉転換と呼ばれる現象などに関係する遺伝子経路と関連していた。

特に研究チームが注目したのは、IL4I1という代謝酵素と、AHRと呼ばれる受容体につながる仕組みだ。

この経路は、がん細胞の増殖や移動、免疫反応の抑制に関係する可能性がある。研究では、この代謝経路の活動が強い腫瘍ほど、組織の秩序が失われている傾向がみられた。

もっとも、どちらが原因で、どちらが結果なのかは分かっていない。

代謝や免疫の変化によって組織構造が崩れるのか、組織が崩れた結果として代謝や免疫環境が変化するのか、あるいは双方が互いに影響しているのか。因果関係を確認するには、別の実験が必要となる。

「乳がんの早期発見技術」ではない

今回の研究を理解する上で、特に注意したい点がある。

この手法は、マンモグラフィーや超音波検査のように、まだ発見されていない乳がんを見つけるスクリーニング技術ではない。

すでに患者から採取された腫瘍組織を詳しく解析し、がんの性質、予後、治療への反応を評価するための手法である。

ニュースの見出しでは「診断を改善する方法」と表現されることがあるが、より正確には、病理診断や予後予測を補助する技術と考えるべきだろう。

また、この研究で使用された多重免疫蛍光染色は、すべての医療機関で日常的に使われている検査ではない。

研究チームは、一般的な病理検査で広く利用されるH&E染色などでも解析できる方法を開発し、通常の病理診断へ応用することを目指している。

標準的な病理スライドで利用できるようになれば、大規模な大学病院だけでなく、地域の医療機関や医療資源の限られた場所にも、高度な画像解析を広げられる可能性がある。

SNSでは個別化医療への期待

 

研究成果は、コロンビア大学の医学部門やがんセンター、病理学部門などのSNSアカウントでも紹介された。

コロンビア大学の公式Xでは、乳がん組織のパターンを新しい方法で評価し、患者の経過予測につなげる研究として発信された。がんセンターの投稿でも、組織構造をトポロジーに基づくバイオマーカーへ変換した点が強調されている。

Instagramでは、研究が一般メディアに取り上げられたことを「大きなニュース」として紹介。数学、病理学、デジタル画像解析が交わる研究としてアピールされた。

Medical XpressもXやFacebookで研究を紹介し、「乳がん組織の構造を連続的なスコアとして測る」という点を前面に出した。医療情報を発信するアカウントにも共有され、デジタル病理や個別化医療の新しい事例として広がっている。

公開投稿から読み取れる主な反応は、次のような期待に集約できる。

病理医の経験に依存してきた情報を客観的に測れるのではないか。患者ごとの治療選択をより精密にできるのではないか。高度な診断技術を、設備の整った大病院以外にも広げられるのではないか。

一方で、2026年8月4日時点で確認できる公開投稿は、研究機関や医療系メディアによる紹介が中心だ。患者や臨床医による大規模な議論、明確な賛否、実際の使用経験が蓄積している段階ではない。

SNS上での紹介数や好意的な表現だけを根拠に、「医学界で評価が確定した」「すぐに診療で利用できる」と判断することはできない。

新しい医療技術では、研究結果の精度だけでなく、誤判定の可能性、患者への説明、導入費用、検査時間、個人情報の管理、医療機関ごとの画像品質の違いなども検討する必要がある。

病理医を置き換えるものではない

画像解析やAIを利用する医療研究では、「コンピューターが医師を上回る」「専門医が不要になる」といった極端な説明がされることがある。

しかし、今回の技術は病理医を置き換えるものではない。

病理医は組織の形だけでなく、検体の状態、腫瘍の種類、浸潤の有無、切除断端、リンパ節転移、各種タンパク質の発現などを総合して診断する。

画像解析システムが示した数字についても、その意味を患者の臨床情報と照らし合わせて判断する専門家が必要だ。

この技術の価値は、人間の目を排除することではなく、人間の目だけでは測りにくかった情報を追加できる点にある。

病理医が組織の意味を読み取り、コンピューターが複雑な位置関係を同じ基準で計算する。両者を組み合わせることで、より再現性の高い診断や予後予測を目指すのが現実的な方向性だろう。

実用化までに残る課題

今回の研究結果は有望だが、臨床応用までには複数の課題がある。

まず、異なる患者集団による外部検証が必要だ。国や地域、年齢、乳がんの分子タイプ、治療法、検体の処理方法が異なっても、同じ精度を維持できるかを調べなければならない。

次に、画像の撮影機器や染色方法が変わった場合でも、安定した結果を出せる仕組みが必要になる。

予後を予測できることと、患者の治療成績を改善できることも同じではない。新しい指標を使って治療方針を変更した結果、生存期間や生活の質が本当に改善するかを、前向き臨床試験で確かめる必要がある。

患者への説明方法も課題となる。

「組織の秩序を示すスコアが低い」と伝えるだけでは、不安を強める可能性がある。数値にどの程度の不確実性があり、既存の検査結果とどう組み合わせ、治療選択にどれほど影響するのかを分かりやすく説明しなければならない。

研究チームも、日常診療への導入には追加の検証と臨床研究が必要だとしている。

顕微鏡画像が「計算できる医療情報」に変わる

今回の研究の意義は、新しいスコアを一つ作ったことだけではない。

長年、病理画像は専門家が目で読み取る資料として使われてきた。デジタル化と数理解析の進展によって、病理画像そのものが、遺伝子データなどと同じように計算可能な医療情報になり始めている。

細胞の種類、数、形、距離、集まり方、細胞集団の間にある空間、免疫細胞との位置関係。これらを統合すれば、同じ「乳がん」という診断名の中に隠れている違いを、より細かく見分けられるかもしれない。

乳がんは一つの病気ではない。

ホルモン受容体陽性、HER2陽性、トリプルネガティブなど、分子学的な性質によって治療方法も経過も異なる。同じタイプに分類された患者でも、薬への反応や再発リスクには差がある。

今後の個別化医療では、遺伝子変異だけでなく、腫瘍がどのような空間構造を作り、免疫細胞とどのような関係を築いているかも、重要な情報になる可能性がある。

数学が顕微鏡に新しい物差しを与え、病理学が数学に現実の課題を与える。

今回の研究は、乳がん診療を直ちに変える完成済みの検査ではない。しかし、医師が「組織が乱れている」と観察してきた特徴を、比較可能な数値に変えた点には大きな意味がある。

その数値を遺伝子やタンパク質、治療歴などと組み合わせることで、患者ごとの病気をより深く理解できるかもしれない。

乳がん組織の中にある「形」と「配置」は、これまで考えられていた以上に多くの情報を持っている。その情報を実際の治療へどう結び付けるか。研究は、臨床応用に向けた重要な一歩を踏み出した段階にある。

出典URL

WELT。乳がん組織の秩序を数学的に数値化する研究の概要と、個別化医療への将来的な可能性を紹介。

https://www.welt.de/gesundheit/article6a685846a17ee9f1dfd81246/krebs-diese-methode-soll-die-diagnose-bei-brustkrebs-entscheidend-verbessern.html

Cancer Research掲載の原著論文。555人の患者データ、持続的ホモロジーによる解析、予後予測、治療反応、人種・民族別の性能比較の根拠。

https://doi.org/10.1158/0008-5472.CAN-25-1216

米国国立医学図書館で公開されている原著論文全文。研究方法、統計解析、遺伝子シグネチャー、代謝・免疫経路との関係を確認。

https://pmc.ncbi.nlm.nih.gov/articles/PMC13055434/

コロンビア大学ハーバート・アービング総合がんセンターの公式発表。研究の臨床的意義、標準的な病理スライドへの応用、実用化前に必要な追加検証を説明。

https://www.cancer.columbia.edu/news/measuring-cancer-structure-new-topology-based-biomarkers-may-improve-breast-cancer-prediction

コロンビア大学病理学部門の記事。研究がニュースやSNSで紹介された経緯と、病理学、数学、デジタル解析を組み合わせる意義を紹介。

https://www.pathology.columbia.edu/news/when-disorder-becomes-data-pathology-and-cell-biology-chairs-breast-cancer-research-makes-national-news

コロンビア大学病理学部門のInstagram投稿。研究を「大きなニュース」として紹介した公式SNS発信。

https://www.instagram.com/p/DbJfbQWHepa/

コロンビア大学医学部門のX投稿。乳がん組織の評価方法と予後予測への可能性を紹介。

https://x.com/ColumbiaMed/status/2083230210170761396

コロンビア大学がんセンターのX投稿。腫瘍組織のパターンをトポロジー由来のバイオマーカーへ変換する研究として発信。

https://x.com/columbiacancer/status/2076008369173692518

Medical Xpressの記事。研究成果を一般向けに解説し、実用化には追加の臨床研究が必要である点を紹介。

https://medicalxpress.com/news/2026-07-topology-based-biomarkers-breast-cancer.html