背景

乳がんは、同じ臓器で発生しても、分子的な性質と治療反応が大きく異なる異質な疾患である。エストロゲン受容体（ER）、プロゲステロン受容体（PR）、ヒト上皮成長因子受容体2（HER2）は、内分泌療法とHER2標的治療を決定する重要な指標として確立されている。BRCA1・BRCA2変異は、遺伝性リスク評価だけでなく、ポリ（ADP-リボース）ポリメラーゼ（PARP）阻害剤の使用にも関与する。

しかし、既存の分類だけでは、腫瘍の進化と薬剤耐性をすべて説明することは難しい。同じHR陽性またはHER2陽性の乳がんであっても、治療効果と再発パターンが異なり、組織の一部を採取した検査では、腫瘍内の異質性を捉えきれない可能性がある。画像診断も、乳房の密度、装置、読影者の経験によって結果が異なる可能性がある。研究者らは、これらのギャップを埋めるために、分子生物学、人工知能（AI）、精密医療の最近の進歩を統合した。

主要な発見

レビューでは、乳がんの意思決定システムを「確立されたマーカーと新しいマーカーの組み合わせ」として説明している。ER・PR・HER2とBRCA変異が現在の治療選択を主導する中、腫瘍抑制遺伝子TP53、PTEN、STK11の変化は、腫瘍の行動と耐性経路をより詳細に解釈するための候補として提示された。ただし、これらの3つの遺伝子が乳がん全体で直ちに独立した処方基準になるという意味ではない。がんの亜型ごとの予後価値と治療予測力を前向きに検証する必要がある。

診断の分野では、機械学習と深層学習が、マンモグラフィーを含む医療画像から微細な病変を検出し、臨床情報、画像、遺伝体を組み合わせて分析するマルチモーダルシステムへと拡張されている。単一の画像や単一のマーカーに依存していたアプローチとは異なり、異なるデータ層の関連性を計算して、早期発見、診断支援、リスク分類を支援する。

意義と展望

このレビューが示す主要な方向性は、AIが医師に取って代わる自動判定システムではなく、複数の検査結果を関連付ける意思決定支援層となることである。画像から疑わしい病変を検出し、病理および遺伝子情報と組み合わせることで、患者の選別と治療順序の決定の一貫性を高めることができる。ナノテクノロジーベースの薬物送達は、腫瘍部位の薬物曝露を高め、正常組織への毒性を低減する戦略であり、クリスパー/Cas9は、耐性遺伝子の特定と治療標的の検証手段として期待される。

臨床導入までには、解決すべき問題が数多く存在する。AIは、病院、人種、装置が異なっても性能が維持されるかどうか、外部検証を受ける必要があり、学習データの偏りや判断根拠の不透明性も管理対象である。CRISPR/Cas9治療は、標的以外の編集、腫瘍細胞への送達効率、長期的な安全性という障壁を抱えている。ナノ送達体も、生体内分布と製造再現性、大量生産基準を満たす必要がある。レビューには直接比較試験や生存改善の数値がないため、提示された技術を、すでに確立された臨床標準と開発段階の候補として区別する姿勢が求められる。