前立腺がん診断の強化：機械学習に基づくバイオマーカーアプローチ

前立腺がん（PC）診断の信頼できるスクリーニングバイオマーカーの欠如により、組織生検が標準的な戦略となっています。しかし、そのしばしば不確定な結果は繰り返し検査を招き、患者の負担と医療費の増加をもたらします。この状況下で、機械学習（ML）は腫瘍存在に関連する遺伝子署名を特定する新たなアプローチを提供し、PC検出の改善に有望な手段となります。したがって、本研究はMLベースの遺伝子署名の診断可能性と組織および血漿サンプルへの適用性を検討しました。本研究では、TCGAデータ（n = 608）を用いて開発されたMLアルゴリズムの臨床適用性を評価し、独立したデータセット（n = 349）で検証しました。予測モデルに最も寄与した11の候補遺伝子は、前立腺組織検証コホート（n = 141）でターゲットRNA-Seqによりプロファイリングされ、その後、qPCRおよびdPCRを用いて、それぞれ複製組織（n = 75）と血漿（n = 50）コホートで検証されました。前立腺組織における遺伝子発現解析により、診断性能が高い6遺伝子署名（DLX1、TDRD1、AMACR、HPN、HOXC6、およびOR51E2）が同定されました（AUC = 95.9%）。発現パターンは、偽陰性症例の識別および不確定な生検結果の正確な分類に本署名が有用であることを支持しました。血漿中では、AMACRが臨床パラメータと統合することで非侵襲的バイオマーカーとしての付加的診断価値を示しました（AUC = 93.21%）。これらの知見は、MLベースの遺伝子署名がPCと非腫瘍組織を正確に識別し、不明瞭な生検結果を解消できることを示しています。組織病理学と併用することで診断の不確実性を減少させ、PCの早期発見を促進し、臨床的意思決定を支援する可能性があります。本研究は、曖昧または偽陰性の生検結果がある症例において、前立腺がん診断を改善する機械学習に基づく遺伝子発現署名を検証しました。この6遺伝子パネルは、独立した前立腺組織および血漿コホートで、ターゲットRNA-SeqおよびPCR技術によって実験的に検証され、高い診断性能を示しました。標準的な組織病理学を補完することで、この分子ツールは早期発見を促進し、不必要な再生検を減らし、前立腺がんの精密医療導入を日常診療に支援する可能性があります。