AIが解き明かす！国別のがん生存率を左右する「隠れた要因」と、データで導く克服への道筋

人工知能（AI）は、世界中でがんの生存率に dramatic な差が見られる理由を理解するための強力な新しいレンズとして活用されています。185カ国の癌データと医療システム情報を分析したAIモデルは、各国でより良い生存率と最も密接に関連している要因、例えば放射線療法へのアクセス、ユニバーサルヘルス・カバレッジ、経済力などを明らかにしました。

世界のがん生存率を形作る要因の紹介

AIによるグローバルデータの洞察

機械学習、すなわちAIの一形態が、世界中のほぼ全ての国におけるがん生存率と最も密接に関連する要因を特定するために初めて応用されました。この研究は、個別の政策変更やシステム改善が各国でがん生存率に最も大きな影響を与える可能性を示しています。また、ユーザーが国を選択し、国民の富、放射線療法へのアクセス、ユニバーサルヘルス・カバレッジといった要因が、その国のがんの予後にどのように関連しているかを確認できるオンラインツールも作成されました。

データ駆動型フレームワークの構築

この研究の共同リーダーである米国メモリアル・スローン・ケタリングがんセンターの放射線腫瘍科レジデント医師、エドワード・クリストファー・ディー博士は、この研究の重要性を強調しました。「世界のがんの予後は、主に各国の医療システムの違いにより大きく異なります。私たちは、各国が癌による死亡率を減らし、公平性のギャップを埋めるために最も影響力のある政策的レバーを特定するのに役立つ、実行可能でデータ駆動型のフレームワークを作成したいと考えました。」彼は、放射線療法へのアクセス、ユニバーサルヘルス・カバレッジ、経済力といった要因が、より良い国家のがんの予後と関連していることが一貫して浮上したと指摘しました。

185カ国のデータ分析

この結論に達するため、ディー博士らは機械学習を用いて、185カ国を対象としたGlobal Cancer Observatory (GLOBOCAN 2022)からの癌の発生率と死亡率のデータを調査しました。この情報に、世界保健機関（WHO）、世界銀行、国連機関、放射線療法センターディレクトリから収集された医療システムデータを組み合わせました。データセットには、GDPに対する医療費の割合、一人当たりGDP、1000人あたりの医師、看護師、助産師、外科医の数、ユニバーサルヘルス・カバレッジのレベル、病理サービスへのアクセス、人間開発指数、1000人あたりの放射線療法センターの数、ジェンダー不平等指数、患者が直接負担する医療費の割合などが含まれていました。

機械学習モデルの構築と活用

機械学習モデルは、本研究の筆頭著者であるミリット・パテル氏によって開発されました。彼は、米国テキサス大学オースティン校およびMSKの生化学、統計学、データサイエンス、医療改革・イノベーションの研究者です。パテル氏は、このアプローチの背後にある理由を説明し、「機械学習モデルを使用したのは、国ごとに固有の推定値と関連する予測を生成できるためです。もちろん、集団レベルのデータの限界は認識していますが、これらの発見が世界のがんシステム計画を導くことを願っています。」と述べています。モデルは、各国の癌治療の有効性を示す指標である死亡率対発生率比（MIR）を計算します。個々の要因がこれらの推定値にどのように影響するかを示すために、研究者たちは、各変数の寄与を測定することによって予測を説明する方法、すなわちSHAP（Shapley Additive exPlanations）を使用しました。

国ごとの優先順位の違い

結果は、最も影響力のある要因が国によって大きく異なることを明らかにしました。例えば、ブラジルでは、ユニバーサルヘルス・カバレッジ（UHC）が死亡率対発生率比の改善に最も強く正の相関を示しているとAIモデルは示唆しています。一方、ポーランドでは、放射線療法サービスの利用可能性、一人当たりGDP、UHC指数が、がんの予後に最も大きな影響を与えています。日本、米国、英国では、ほぼ全ての医療システム要因が良いがんの予後に関連しており、日本においては放射線療法センターの密度が最も際立っています。中国では、一人当たりGDP、広範なUHC、放射線療法センターへのアクセス向上ががんの予後改善に最も貢献していますが、患者の自己負担額の高さが依然として重要な障壁となっています。

AIが示す、がん克服に向けた国別戦略の最適化

データに基づく政策立案の可能性

このAIモデルは、単にがんの生存率の格差を記述するだけでなく、各国が最も効果的な健康システムへの投資を特定するための、実行可能でデータに基づいたロードマップを提供します。これにより、限られたリソースを最大限に活用し、公平かつ効果的な方法で生存率の格差を縮小することが可能になります。国際機関や医療提供者、擁護団体も、特にリソースの限られた地域への投資分野を強調するために、このウェブベースのツールを利用できる可能性があります。

「緑」と「赤」のバーが示す意味

AIモデルの分析結果は、しばしば「緑」と「赤」のバーで示されます。緑のバーは、その国のがんの予後改善に最も強く、肯定的に関連している要因を表しており、継続的または増加した投資が意味のある成果につながる可能性が高い分野を示唆しています。一方、赤のバーは、それらの分野が重要でないことを意味するわけではなく、現在のデータにおいては、他要因と比較して生存率の格差を説明する力が相対的に低いことを示しています。これは、既にその分野でのパフォーマンスが高い、データの限界、またはその他の文脈的要因による可能性があります。しかし、研究者たちは、赤のバーで示された分野であっても、がん治療の強化努力を止めるべきではないと強調しています。

個別化された公衆衛生への期待

この研究は、国家レベルのデータに依存しており、データ品質のばらつきや国内格差の隠蔽といった限界も認識されています。しかし、このAIモデルは、複雑なデータを、政策立案者にとって理解しやすく、実行可能なアドバイスに変換することで、個別化された公衆衛生の実現に貢献する可能性を秘めています。世界のがん負担が増大する中、このツールは各国が限られたリソースで最大の効果を上げるための貴重な指針となるでしょう。