AI腫瘍カンファレンス・臨床試験マッチングガイド
概要
腫瘍カンファレンス（Tumor Board）は、外科・内科・放射線科・病理・看護が集まり、がん患者の治療方針を多職種で検討する場です。しかし:
- 事前準備に膨大な時間がかかる（文献確認、ガイドライン参照、治療オプション整理）
- 最新の臨床試験情報をリアルタイムに把握するのが困難
- 発表の構造化が不十分だと議論が散漫になる
AIを活用することで、カンファレンス準備の効率化と臨床試験マッチングの精度向上が可能です。
世界の動向
| システム | 内容 |
|---|---|
| Tempus | ゲノム解析+AIで治療オプションと臨床試験をマッチング。米国600以上のがんセンターで利用 |
| Foundation Medicine | 包括的ゲノムプロファイリング+治療オプション提示 |
| IBM Watson for Oncology | 腫瘍治療推奨AI（※精度問題で複数施設が中止。教訓として重要） |
| Flatiron Health | リアルワールドデータのAI解析。がん治療のエビデンス構築 |
ワークフロー
Step 1: Tumor Board発表の構造化準備
プロンプト
以下のがん症例について、Tumor Board発表用の
構造化サマリーを作成してください。
# 患者情報
- 匿名化ID: [ID]
- 年齢/性別: [年齢/性別]
- PS（Performance Status）: ECOG [0-4]
- 既往歴: [特に治療に影響する既往]
- 家族歴: [がん関連の家族歴]
# がんの情報
- 原発巣: [部位]
- 組織型: [病理診断]
- ステージ: [TNM分類、ステージ]
- バイオマーカー:
[ER/PgR/HER2（乳がん）、EGFR/ALK/PD-L1（肺がん）、
RAS/BRAF/MSI（大腸がん）等]
- ゲノムプロファイリング結果: [あれば]
# これまでの治療経過
[手術、化学療法、放射線治療の経過を時系列で]
# 現在の状況
- 画像所見の要約: [直近の画像検査結果]
- 検査データ: [腫瘍マーカー、血液検査]
- 症状: [現在の症状]
# 検討事項
[今回のカンファレンスで議論したい点]
# 出力形式
## 1. One-liner（1文で症例を紹介）
## 2. 背景（2-3文で臨床情報を要約）
## 3. 治療経過タイムライン（視覚的に）
## 4. 現在の問題点（明確に定義）
## 5. 治療オプション（エビデンスレベル付き）
- 各オプションのメリット・デメリット
- 推奨ガイドライン（NCCN、ESMO、日本のガイドライン）
## 6. 検討を要する点（カンファレンスで議論すべき）
## 7. 関連する臨床試験（後述のStep 2で詳細検索）
Step 2: 臨床試験マッチング
プロンプト
以下のがん患者に適した臨床試験を検索するための
条件を整理してください。
# 患者条件
- がん種: [がん種]
- 組織型: [組織型]
- ステージ: [ステージ]
- バイオマーカー: [関連するバイオマーカー]
- 治療ライン: [何次治療か]
- 前治療歴: [これまでに使用した薬剤]
- PS: ECOG [X]
- 主要な臓器機能: [腎機能、肝機能、骨髄機能]
# 出力
1. ClinicalTrials.gov / jRCT での検索キーワード
2. 適格基準で確認すべき主要項目
3. 現在このがん種で注目されている薬剤/治療法
4. Phase III試験で結果が期待されているもの
5. 日本国内で参加可能な試験の探し方
# 注意
- 臨床試験情報は常に変化します。AIの情報は参考程度とし、
最新情報はClinicalTrials.gov、jRCT、各学会サイトで確認してください
- 臨床試験への参加は腫瘍内科医の判断と患者の同意が必要です
臨床試験検索のリソース
| サイト | 対象 | 特徴 |
|---|---|---|
| ClinicalTrials.gov | 全世界 | 最大のデータベース。英語。 |
| jRCT | 日本国内 | 日本の臨床研究登録。日本語対応 |
| UMIN-CTR | 日本国内 | 大学病院医療情報ネットワーク |
| 国立がん研究センター がん情報サービス | 日本国内 | 一般向けにもわかりやすい |
Step 3: エビデンスの迅速レビュー
プロンプト
以下のがん治療に関する最新のエビデンスを要約してください。
# 検索テーマ
[例: StageIV EGFR変異陽性非小細胞肺癌の1次治療]
# 知りたいこと
1. 現在の標準治療（ガイドライン推奨）
2. 最近発表された主要な臨床試験（Phase III）の結果
3. PFS/OSの比較データ
4. 副作用プロファイルの比較
5. 日本のガイドラインと海外ガイドラインの違い
6. 今後の展望（現在進行中の注目試験）
# 出力形式
- 各治療オプションを表形式で比較
- エビデンスレベルを明記
- 論文名と著者（ただし要検証 — ハルシネーションの可能性あり）
# 重要な注意
- AIが挙げる論文名は必ずPubMedで実在を確認してください
- 最新の臨床試験結果はASCO/ESMO等の学会サイトで確認してください
Step 4: 患者への治療説明の準備
以下のがん治療オプションについて、患者向けの説明を
準備してください。
# Tumor Boardの結論
[カンファレンスで決まった治療方針]
# 治療オプション（SDM用）
- オプションA: [治療内容、期待される効果、副作用]
- オプションB: [治療内容、期待される効果、副作用]
- オプションC: [無治療/BSCの場合]
# 患者の背景
- 年齢: [年齢]
- 理解力: [十分/やや低下/家族の同席が必要]
- 患者の価値観: [QOL重視/積極的治療希望/等]
# 出力
1. 各オプションの平易な説明（専門用語を避ける）
2. 比較表（メリット・デメリット・副作用・通院頻度）
3. 患者が質問しそうなQ&A（5つ）
4. 意思決定を急がせず、考える時間を提供する表現
IBM Watson for Oncologyの教訓
IBM Watson for Oncologyは2010年代後半に大きな期待を集めましたが、複数の施設で推奨の不適切さが指摘され、導入が中止されました。
何が問題だったか
- トレーニングデータの偏り: MSKCCの専門家の判断でトレーニングされたが、他施設の臨床実態と乖離
- ガイドラインの変化に追いつけない: がん治療は進歩が速く、AIの推奨が古くなる
- エビデンスの質の評価ができない: RCTと後ろ向き研究を同列に扱う
- 患者の個別性を十分に考慮できない: 併存疾患、患者の希望、経済的要因
研修医への教訓
- AIの推奨は「参考の一つ」: 最終判断は腫瘍専門医と患者で行う
- AIは最新エビデンスより遅れる: 学会発表後、ガイドライン改訂前のエビデンスはAIに反映されない
- 施設差がある: AIの推奨が自施設で実施可能とは限らない
安全に関する注意
- がん治療の意思決定は腫瘍専門医の判断と患者のインフォームドコンセントが必須です
- AIの治療推奨は参考情報であり、最終的な治療決定の根拠にはなりません
- 臨床試験情報は常に変化します。AIの情報だけでなく、ClinicalTrials.gov等で最新情報を確認してください
- 患者情報を外部AIに入力する場合は匿名化と施設のポリシーに準拠してください
- ゲノム情報は特に慎重な取り扱いが必要です。施設の遺伝情報管理規程に従ってください