メラノーマにおける腫瘍浸潤リンパ球の定量化、AI活用で従来法を上回る性能を実現
機械学習アルゴリズムは、従来の病理医評価よりも高い再現性と予後予測能を示す
米イェール大学医学部のThazin N. Aung氏らは、メラノーマTIL定量化における機械学習アルゴリズムの分析的および臨床的妥当性を検討し、従来の病理医による評価と比較した。本研究は、2022年1月～2023年6月に45施設で収集されたメラノーマ患者データを用いた後ろ向きコホート研究として実施された。
独立検証コホートには合計111人のメラノーマ患者が含まれ、患者の全組織切片が解析対象とされた。ヘマトキシリン・エオジン（HE）染色された組織切片60枚におけるTILを、合計98人の評価者が評価した。従来法群の評価者は全員が病理医で40人、AI支援群の評価者は病理医11人と非病理医（科学者）47人で構成された。解析の結果、AIアルゴリズムが高い再現性を示し、機械学習TIL変数の全てで級内相関係数（intraclass correlation coefficient；ICC）が0.90を上回った。これは従来法を有意に上回る結果であった。さらに、AIによるTILスコアは、患者転帰との関連性を示し、中央値カットオフ法を用いた場合のハザード比は0.45、カットオフ値16.6を用いた場合のハザード比は0.56であった。
著者らは、「病理医による従来のTIL評価は貴重な洞察を提供するが、本研究の結果から、先進的なAIツールがTILスコア評価の再現性を高め、予後予測能を改善し得ることが示された」と述べている。
なお複数の著者が、バイオ医薬品企業との利益相反（COI）に関する情報を明らかにしている。
AI Better for Tumor-Infiltrating Lymphocyte Quantification in Melanoma Than Traditional Methods
Machine learning algorithm has superior reproducibility and prognostic associations compared with traditional pathologist-read methods
TUESDAY, July 8, 2025 (HealthDay News) -- For tumor-infiltrating lymphocyte (TIL) quantification in melanoma, an artificial intelligence (AI) algorithm demonstrates superior reproducibility and prognostic associations compared with traditional methods, according to a study published online July 3 in JAMA Network Open.
Thazin N. Aung, Ph.D., from the Yale University School of Medicine in New Haven, Connecticut, and colleagues examined the analytical and clinical validity of a machine learning algorithm for TIL quantification in melanoma compared to traditional pathologist-read methods. The study used retrospective cohorts of patients with melanoma across 45 institutions between January 2022 and June 2023.
A total of 111 patients with melanoma were included in the independent testing cohort and contributed melanoma whole-tissue sections. TILs on 60 hematoxylin and eosin-stained melanoma tissue sections were evaluated by 98 participants; all 40 in the manual arm were pathologists, while 11 pathologists and 47 nonpathologists were included in the AI-assisted arm. The researchers found that superior reproducibility was demonstrated by the AI algorithm, with intraclass correlation coefficients higher than 0.90 for all machine learning TIL variables, which significantly outperformed manual assessments. Prognostic associations with patient outcomes were seen for AI-based TIL scores, with a hazard ratio of 0.45 and 0.56 using the median cutoff approach and the cutoff of 16.6, respectively.
"While traditional pathologist-read TIL evaluations offer valuable insights, our findings indicated that an advanced AI tool enhanced reproducibility of TIL scoring and improved prognostic potential," the authors write.
Several authors disclosed ties to the biopharmaceutical industry.