AIが膵臓がんを3年前に予測!? 決め手は血液でなく「病歴」だった

膵臓がんは「沈黙の病気」と呼ばれる。症状が出にくく、見つかったときには手遅れになりやすい。5年生存率はがんの中でも特に低い部類だ。だからこそ「症状が出る前に、誰が危ないかを見つける」ことが長年の課題だった。

ここに、思いがけない方法で挑んだ研究がある。コペンハーゲン大学とハーバード大学などの国際チームは、特別な検査を一切追加せず、患者がこれまでにかかった病気の記録(病歴)だけをAIに読ませ、膵臓がんの発症を最大3年前に予測してみせた。成果は2023年、医学誌Nature Medicineに発表されている。

なぜ膵臓がんは見つけにくいのか

体の奥に隠れた臓器

膵臓は胃の裏側、背骨の前あたりにある細長い臓器だ。体の表面から遠く、周りを他の臓器に囲まれているため、腫瘍ができても手で触れて気づくことはできない。

初期症状も曖昧だ。軽い腹痛、食欲不振、体重の減少——どれも胃腸の不調や加齢でも起こるものばかりで、「ただの胃もたれ」と見過ごされやすい。黄疸や強い痛みが出て受診したときには、すでにがんが進んでいることが多い。

この「手遅れ」がどれほど深刻か、数字が物語る。膵臓がんが体の一部にとどまっている早い段階で見つかれば、5年後に生きている人の割合(5年生存率)はおよそ44%。ところが遠くに転移してから見つかると、それはわずか3%台まで落ちる。同じ病気でも、見つかるタイミングだけで運命が10倍以上変わってしまうのだ。しかも現実には、診断された時点ですでに半数以上が転移した状態だという。治療法の問題である以上に、これは「タイミング」の問題なのだ。

「全員を検査する」わけにはいかない

早期に見つけるにはCTやMRI、超音波内視鏡といった高度な画像検査がいる。だが費用も手間もかかるこれらを、症状のない人全員に行うのは現実的でない。今は家族歴のある人など、あらかじめリスクが高いと分かっている人だけが定期検査の対象だ。

ところが膵臓がんの多くは、はっきりした家族歴のない人に突然起こる。つまり「検査すべき人」を事前に絞る網が、そもそも粗いのだ。この網を細かくする方法が求められていた。

AIは「病歴の流れ」を読む

血液ではなく、診断の履歴を入力する

研究チームが作ったAI、CancerRiskNetのアイデアは独特だ。入力するのは血液検査の数値ではなく、その人がいつ・どんな病気と診断されてきたかという履歴。医療機関で使われる約2,000種類の病名コード(疾患コード)の並びを、時間の流れとして読み込ませる。

人間の病気は、無関係にバラバラ起こるわけではない。糖尿病、膵炎、胆のうの不調、原因不明の体重減少……こうした出来事が特定の順番とタイミングで現れると、その先に膵臓がんが待っていることがある。AIはその「病の道筋(disease trajectory)」のパターンを、膨大なデータから学び取った。人間の医師が一人の患者のカルテを見て、数年がかりの微妙な因果の連なりに気づくのは容易ではない。まして「今はまだ正常」に見える段階では、危険の芽は見過ごされがちだ。AIは何百万人分もの経過を横断的に眺めることで、個々の医師には見えにくい前触れの並びを統計的にすくい上げる。

この仕組みで巧妙なのは、AIが病名の「順番」だけでなく「いつ起きたか」まで読んでいる点だ。同じ病名でも、それが膵臓がんの3年前についたのか、直前についたのかで意味はまるで違う。研究チームは各診断に「その人が何歳で、前の診断からどれくらい経ったか」という時間の情報を組み込み、AIが病歴を一本の「時間軸に沿った物語」として読めるようにした。文章を読むAIが単語の並びを理解するように、このAIは診断の並びと間隔から「病の筋書き」を読み取るのだ。

実際に何が「筋書き」の伏線になっていたのか。がん診断の直前(半年以内)に多いのは、黄疸や腹痛、体重減少といった、すでにがんが出しているサインだ。一方で、診断の1〜3年前という早い段階で効いてくる前触れとして浮かび上がったのが、胆石、逆流性の不調、そして——2型糖尿病の新規発症だった。

デンマーク国民規模のデータで学習

学習に使われたのは、デンマークの全国的な患者記録、約620万人分だ。そのうち23,985人が実際に膵臓がんと診断されていた。この桁違いの規模が、微妙なパターンを浮かび上がらせる土台になった。

さらにチームは、まったく別の集団——米国の退役軍人 約300万人分のデータでも検証した。国も医療制度も違う集団で試しても予測が機能したことは、この方法が一部の地域に限らず広く使える可能性を示している。

「痩せる糖尿病」という、がんののろし

糖尿病ががんの「結果」であることがある

AIが早期の前触れとして糖尿病を重視したのには、確かな理由がある。実は、膵臓がんは診断の3年ほど前から、こっそり血糖値を上げ始めることが知られているのだ。50歳を過ぎてから新たに糖尿病と診断された人は、その後3年以内に膵臓がんが見つかる割合が、一般の人のおよそ8倍にのぼるという報告もある。

不思議に思うかもしれない。糖尿病ががんを引き起こすのではなく、話は逆なのだ。膵臓にできたがんが、まだ画像に映らないほど小さいうちから、血糖を乱す物質を送り出している。つまりこの糖尿病は、生活習慣で起きる普通の2型糖尿病ではなく、がんが原因で起きる「膵性糖尿病」——いわば、がんが体に送る最初ののろしなのだ。

見分けるカギは「痩せているのに」

ではどう見分けるのか。手がかりは体重にある。普通の2型糖尿病は肥満と結びついて起こることが多い。ところがこの膵性糖尿病は、体重がむしろ減っているのに血糖のコントロールが悪化するという、逆向きの特徴を持つ。「太ってもいないのに、急に始まった糖尿病」——それは、まだ誰にも気づかれていないがんが体に灯した警告灯かもしれない。AIは、こうした人間には結びつけにくい「逆説的なサイン」を、膨大なデータの中から拾い上げているのだ。

どれくらい当たるのか

3年前でも高い識別力

AIの成績は、AUROCという指標で示された。これは「がんになる人とならない人をどれだけ正しく見分けられるか」を0.5(まぐれ)から1.0(完璧)で表す物差しだ。CancerRiskNetは、診断の3年以内を予測する場面でAUROCが0.879という高い値を出した。診断直前の情報をあえて除いても0.843を保った。これは「がんが見つかる直前の症状を拾っただけ」ではなく、もっと早い段階の兆候を捉えていることを意味する。早期発見を目指すうえで、この点はとても重要だ。

もちろん、これは「あなたは必ずがんになる」と言い当てる魔法ではない。高リスクと判定された上位のグループでは、発症する確率が一般の人の100倍規模にまで高まる、という「絞り込み」の技術だ。この絞り込みができれば、限られた画像検査の枠を、本当に必要な人へ回せるようになる。

「新しい検査」がいらない強み

この方法の最大の利点は、患者に新たな負担をかけない点にある。血液を採る必要も、高価な機械も、追加の受診もいらない。すでに病院に眠っている電子カルテを読み解くだけで動く。もし実際の医療に組み込めれば、コストを大きく抑えたまま、早期発見の網を広げられる可能性がある。

ちなみに「AIで膵臓がんを早く見つける」研究には、血液中の微量な分子を手がかりにする別系統のアプローチもある。今回の研究が際立つのは、そうした新しい検査を一切足さず、既存の記録だけで成立させた点だ。同じゴールでも、入り口の発想がまるで違う。

期待と、注意すべきこと

まだ「振り返って検証した」段階

ただし、冷静に段階を見ておきたい。この研究は、過去のデータを使って「後から予測できたか」を確かめた後ろ向きの検証だ。実際の患者を前にリアルタイムで役立つかどうかは、これからの前向きな試験で確かめる必要がある。誤って「リスクあり」と判定された人が不安を抱えたり、不要な検査を受けたりする問題への対策も欠かせない。

限界も正直に見ておきたい。このAIはデンマークの医療記録で育ったため、同じモデルを医療制度の違うアメリカに持ち込むと、成績がAUROC 0.879から0.71へと落ちた。カルテの付け方や病名コードの精度が国ごとに違うからで、それぞれの土地でAIを学び直させる必要がある。さらに根本的な注意として、AIが見ているのはあくまで「病歴の並びのパターン」であって、なぜそうなるのかという因果までは説明していない。相関と因果は別物だという原則は、ここでも変わらない。

「血液一発」ではなく「病歴を読む」理由

「そんなに難しいなら、血液検査一本で分かればいいのに」と思うかもしれない。実際、膵臓がんにはCA19-9という腫瘍マーカーがある。だが無症状の人のふるい分けには力不足で、そもそも体質的にこのマーカーを作れない人が10人に1人ほどいる。だからこそ、新たに採血するのではなく「すでにあるカルテを読み直す」という発想が生まれた。同じ狙いで、病歴に加えて検査値も使う別のAI(PRISM)も海外で開発されている。血液か、病歴か——複数のルートから「症状が出る前に捕まえる」挑戦が、いま同時に進んでいる。

それでも、責任著者にコペンハーゲン大学のスーレン・ブルナク氏やハーバードのクリス・サンダー氏といった計算生物学の実力者が名を連ねる、地に足のついた研究だ。「病歴という、すでにそこにある情報を読み直すだけで未来のリスクが見える」という発想は、膵臓がんに限らず、がん検診のあり方そのものを問い直すきっかけになるかもしれない。

膵臓がんの早期発見は、長く越えられなかった壁だ。血液も採らず、既存のカルテだけで危険を先読みするこのアプローチは、その壁に新しい角度から穴を開けようとしている。実用化にはまだ検証を重ねる必要があるが、「すでに持っているデータをどう活かすか」という視点は、これからの医療を静かに変えていくかもしれない。新しい機械を買うより先に、手元の記録を読み直す——その発想の転換こそが、この研究のいちばんの贈り物なのかもしれない。