医療におけるデジタルツインの進化：心臓からがんへ
心臓不整脈治療におけるデジタルツインの成功
不整脈専門医のジョナサン・クリスピン医師は、ジョンズ・ホプキンス大学で心室頻拍（VT）患者のアブレーション治療を行っていました。従来の標準的なアブレーションは、心臓発作後に残った瘢痕組織の電気回路を特定し焼灼するもので、成功率は50-60%程度、5-8時間かかることが一般的でした。しかし、生体医工学者のナタリア・トラヤノバ博士率いるチームは、患者の心臓をMRIスキャンから計算モデルとして再現（デジタルツイン）し、不整脈の電気回路を事前に特定・破壊することで、精密なアブレーション目標を設定しました。
TWIN-VT研究では、FDAの承認のもと、再発性VTの心臓発作後患者10人を対象に、この計算モデルがアブレーションをガイドできるか前向きに検証しました。その結果、全患者でVTを誘発できなくなり、平均405日の追跡期間で10人中8人が抗不整脈薬なしで不整脈フリーを維持しました。埋め込み型除細動器からのショックを受けた患者はおらず、再発性VTもありませんでした。この小規模な単一施設研究は、患者固有の計算シミュレーションが手技を直接ガイドし、現在の標準治療を上回る成果を生み出すことを初めて前向きに示したものです。
がん治療への応用：心臓との違いと課題
テキサス大学オースティン校の生体医工学者トーマス・ヤンキーロフ博士は、がん治療へのデジタルツイン応用を目指し、12年間研究を続けています。心臓機能は電気伝播や流体力学といった物理法則に支配され、方程式で記述しやすい一方、がんは「自己複製し、停止信号を無視し、治療を回避し、薬物を排出する」という全く異なる複雑な挙動を示します。ヤンキーロフ博士のグループは、気象予測の進歩に触発され、患者の画像データから個々の生物学的特性を数学的にシミュレーションし、異なる治療法に対する腫瘍細胞の動き、増殖、治療による死滅を追跡するモデルを構築しました。これは、数千人の患者データで訓練する一般的なAI（ニューラルネットワーク）とは異なり、個々の患者のデータに合わせて調整された生物学に基づいた数学モデルです。
乳がん治療におけるデジタルツインの可能性
ヤンキーロフ博士らとの共同研究者であるチェンユエ・ウー博士は、ARTEMIS試験に登録されたトリプルネガティブ乳がん患者105人にこのフレームワークを適用しました。各患者のデジタルツインを構築し、術前化学療法後に病理学的完全奏功（pCR）を達成するかどうかを予測したところ、AUC 0.82という良好な結果を得ました。
さらに、彼らは同じ3種類の薬（アドリアマイシン、シクロホスファミド、パクリタキセル）を同じ総量で、異なるタイミングで投与する128通りの代替スケジュールをシミュレートしました。その結果、約4分の1の患者において、別のスケジュールであればより良い結果が得られたと予測されました。実際には完全奏功しなかった41人のうち26人が、異なるスケジュールであれば完全奏功を達成すると予測され、完全奏功率は61%から最大86%に向上する可能性が示されました。この改善は主にパクリタキセル投与スケジュールの調整によるものでした。
この数学的バックボーンは、高悪性度神経膠腫、頭頸部がん、前立腺がん、子宮頸がんなど、他のがんにも応用されています。しかし、がん患者においてデジタルツインの推奨に基づいて治療が行われた例はまだありません。
実用化への障壁と展望
デジタルツインの導入には、主に技術的ではない障壁が存在します。モデルは薬の有効性を捉えるものの、毒性は考慮されず、予測の確信度も定量化できません。また、心臓のデジタルツインが一度使われるのに対し、がんのデジタルツインは腫瘍の進化に合わせて継続的に更新される必要があります。
最大の障壁は「物流的・社会学的」であるとヤンキーロフ博士は述べています。臨床医の判断とデジタルツインの出力をどのように統合するか、インターフェースの構築や、治療を変更せずにデジタルツインの推奨が有用であったかを検証する前向き試験が次のステップです。ヤンキーロフ博士は2年前にはモデルに基づく治療変更を推奨する準備ができていなかったものの、現在はデータがそれを支持すると考えています。
トラヤノバ博士も、心房細動患者の層別化に関する研究を進めており、大規模な無作為化試験の結果を間もなく発表予定ですが、学術研究室では構築できないインフラの必要性を訴えています。ヤンキーロフ博士は「科学の歴史を見れば、一度数学化すれば、はるかに速く上達する」と述べ、心臓分野での成功ががん分野でも実現する希望を抱いています。
—
元記事：AI Digital Twins Get Better and Better: Cancer in Crosshairs