画像と血漿セルフリーDNAを統合した機械学習による肺結節悪性度のリスク層別化：モデル開発・検証研究（DECIPHER-NODL）

概要

LDCTラジオミクスとcfDNAフラグメントミクスを統合したスタックドモデルは、内部AUC 0.950、外部AUC 0.966を示し、感度95%で特異度を単独モデルより改善した。特に10–20 mmの充実性結節で優れており、浸潤度予測モデルもAUC≈0.88で層別化に成功した。

主要発見

• 統合モデルは内部AUC 0.950、外部AUC 0.966で、画像単独やcfDNA単独を上回った。
• 感度95%での特異度は0.60に改善（画像0.50、cfDNA 0.33）し、10–20 mmや充実性結節で顕著だった。
• 浸潤度モデルはAUC≈0.88で腫瘍を層別化し、AISから浸潤癌へ段階的にスコアが上昇した。

臨床的意義

画像とcfDNA解析の統合は、特に10–20 mmの充実性結節において、固定高感度下で特異度を高め、判定困難結節のトリアージに有用であり、肺癌検診実装の可能性がある。

限界

• 症例スペクトラムや紹介バイアス、地域性により一般化可能性に制限がある可能性。
• 前向きな臨床有用性・費用対効果、既存リスクモデル（例：Brock）との直接比較は未報告。

今後の方向性

スクリーニング集団での前向き効果・費用対効果試験、臨床予測因子との統合、多様な集団・撮影条件での検証が求められる。