
血液中に含まれる「miRNA(マイクロRNA)」という微小な分子が、がんの有無だけでなく、がんの種類まで見分けられるかもしれない。そんな研究が今、世界中で急速に進んでいます。
採血だけで済むこの検査は、体への負担がきわめて少なく、早期発見の新たな手がかりとして注目を集めています。加えて、AI(人工知能)による解析が診断精度を飛躍的に高めつつあるのも見逃せません。
この記事では、miRNAとがんの関係から、実際に判別が期待されている疾患、そしてAI解析がどのように活用されているかまで、わかりやすくお伝えします。
血液中のmiRNAとは何か|がん検査で注目される小さな分子の正体に迫る
miRNA(マイクロRNA)は、わずか20〜25塩基ほどの小さなRNA分子で、遺伝子の働きを調節する役目を担っています。細胞の中だけでなく、血液や唾液などの体液中にも安定した状態で存在しており、体の外から「中で何が起きているか」を知るための手がかりになります。
miRNAが「がんのサイン」として使える理由
がん細胞は正常な細胞とは異なるmiRNAを放出します。この違いを「発現パターン」と呼び、健康な方とがん患者さんとでは血液中のmiRNAの種類や量に明確な差が生まれます。そのため、血液検査でmiRNAの変化をとらえれば、がんが潜んでいるかどうかの手がかりが得られるのです。
従来の腫瘍マーカーとmiRNAはどこが違うのか
| 比較項目 | 従来の腫瘍マーカー | miRNA |
|---|---|---|
| 検出対象 | タンパク質 | RNA分子 |
| がん種の判別 | 限定的 | 複数がん種に対応 |
| 早期がんへの感度 | 低い傾向 | 高い傾向 |
| 検体の安定性 | 条件によりばらつき | 比較的安定 |
リキッドバイオプシーの中でmiRNAが果たす働き
「リキッドバイオプシー(液体生検)」とは、血液などの体液を使って体内のがん情報を調べる方法です。従来のような組織を切り取る生検に比べて体への負担が少なく、繰り返し検査しやすいというメリットがあります。
このリキッドバイオプシーの対象として、循環腫瘍DNA(ctDNA)やエクソソームと並んで、miRNAが有力な候補とされています。血中で分解されにくいという特性が、臨床応用への大きな追い風になっています。
miRNAでがんの種類を判別できる仕組み|発現パターンが示す臓器ごとの違い
miRNAの発現パターンは臓器ごと、がんの種類ごとに異なるため、複数のmiRNAを組み合わせて分析すれば、がんが体のどこに発生しているかを推定できます。この「パターンの違い」こそが、がんの種類を見分けるカギとなります。
がんの種類によって変動するmiRNAの組み合わせ
たとえば、乳がんではmiR-21やmiR-155が上昇し、肺がんではmiR-205やlet-7ファミリーの低下が報告されています。胃がんではmiR-1343-3pが診断指標として有望とされるなど、がん種ごとに特徴的な「顔ぶれ」があるのです。
こうしたmiRNAの組み合わせは「miRNAパネル」と呼ばれ、単独のmiRNAよりも高い精度でがんを判別できると期待されています。
正常組織とがん組織でmiRNAの発現量が大きく変わる理由
がん細胞は無秩序に増殖するため、遺伝子の制御に関わるmiRNAのバランスが崩れます。腫瘍を促進する「オンコmiR」は過剰に産生され、腫瘍を抑制する「抗オンコmiR」は減少する傾向にあります。この不均衡が、正常組織との間に明確な発現差を生み出します。
1回の採血で複数のがん種をスクリーニングする構想
将来的には、1回の採血から数十種類のmiRNAを同時に測定し、複数のがん種を一度にスクリーニングする検査が実現するかもしれません。すでに13種類のがんに共通して変動する4〜5種類のmiRNAを特定した研究も報告されており、実用化への期待が高まっています。
| がんの種類 | 注目されているmiRNA | 変動の方向 |
|---|---|---|
| 乳がん | miR-21, miR-1246 | 上昇 |
| 肺がん | let-7a, miR-205 | 低下/上昇 |
| 大腸がん | miR-92a, miR-29a | 上昇 |
| 卵巣がん | miR-200c, miR-141 | 上昇 |
| 胃がん | miR-1343-3p | 変動 |
| 肝臓がん | miR-663a | 上昇 |
乳がん・肺がん・大腸がん|miRNAによる早期発見が期待されるがん種
miRNAによる早期発見への期待は、特に乳がん・肺がん・大腸がんといった罹患者数の多いがん種で高まっています。いずれも初期段階では自覚症状が乏しいため、血液検査で異変をとらえる意義は非常に大きいでしょう。
乳がん検出における5種類のmiRNAパネルの精度
日本の国立がん研究センターを中心とした大規模研究では、1280人の乳がん患者と2836人の健常者の血清を分析し、5種類のmiRNA(miR-1246, miR-1307-3pなど)の組み合わせで乳がんを検出しました。感度97.3%、特異度82.9%という成績が報告されており、ごく早期の上皮内がん(Tis)でも感度98.0%を達成しています。
肺がんのCT検診とmiRNAを組み合わせた研究
| 検査法 | 感度 | 偽陽性率 |
|---|---|---|
| 低線量CT単独 | 高い | 高い(課題) |
| CT+miRNAパネル | 高い | 低減が見込まれる |
| miRNAパネル単独 | 研究段階 | 比較的低い |
大腸がん・卵巣がん・膵がんでも判別が進む
大腸がんではmiR-92aやmiR-29aが有力な候補として浮上しています。卵巣がんでは10種類のmiRNAを組み合わせた診断モデルが、感度0.99・特異度1.00という驚異的な精度を示しました。
膵がんは発見が遅れやすいがんの代表格ですが、miRNAによるスクリーニングで膵炎との鑑別も含めた早期検出が模索されています。いずれのがん種でも、miRNAの組み合わせパターンが診断精度のカギを握っています。
AI(人工知能)によるmiRNA解析はがん診断をどう変えるのか
大量のmiRNAデータから有用なパターンを見つけ出すには、人間の目だけでは限界があります。AI(人工知能)の導入によって、膨大なデータの中から微細ながんの手がかりを高速かつ高精度で抽出できるようになりました。
機械学習アルゴリズムがmiRNAの診断精度を高めた事例
ランダムフォレストやサポートベクターマシン(SVM)といった機械学習の手法を用いて、がん患者と健常者を判別する研究が複数報告されています。たとえば、乳がんの診断モデルでは、決定木ベースのアルゴリズムでmiR-139やmiR-183を特定し、正常組織と腫瘍組織の分類に成功しました。
また、胃がん診断では「Boruta」と呼ばれる変数選択アルゴリズムが30種類のmiRNAを絞り込み、miR-1343-3pだけで感度・特異度ともにきわめて高い成績を示しています。
ディープラーニングで複数がん種を同時に分類する試み
近年はディープラーニング(深層学習)を用いた研究も登場しています。グラフ畳み込みネットワーク(GCN)を活用し、miRNAの発現データと疾患の関連性をネットワーク構造としてとらえることで、6種類以上のがんを同時に分類するモデルが開発されました。
こうしたAI技術は、単にがんの有無を判別するだけでなく、がんの進行度やサブタイプの推定にも応用され始めています。
AI解析が抱える課題と臨床応用までの道のり
一方で、学習データの偏りや研究間でのmiRNA測定条件の違いが、AIモデルの汎用性を下げる要因となっています。異なる検査施設のデータでも同じ精度を再現できるかどうかが、臨床応用に向けた大きなハードルです。
| AI手法 | 特徴 | 応用例 |
|---|---|---|
| ランダムフォレスト | 複数の決定木で多数決 | miRNAの重要度ランキング |
| SVM | データを超平面で分類 | がん種の判別 |
| ディープラーニング | 多層ネットワークで学習 | 複数がん種の同時分類 |
miRNAがん検査は実際にどう行われるのか|採血からデータ解析までの流れ
miRNAがん検査では、通常の採血と同じ要領で少量の血液を採取し、そこからmiRNAを抽出・測定して解析を行います。体への侵襲が少なく、検査を受ける方の負担も軽い点が大きな特長です。
採血から血清分離までの手順
一般的な血液検査と同様に、腕の静脈から数ミリリットルの血液を採取します。その後、遠心分離機にかけて血清を分離し、miRNAが含まれる部分を取り出します。検体の取り扱い方法は結果の正確性に直結するため、温度管理や処理時間の標準化が求められています。
マイクロアレイやRT-qPCRによるmiRNA発現量の測定
| 測定方法 | 概要 | 長所 |
|---|---|---|
| マイクロアレイ | 数千種のmiRNAを網羅的に測定 | 一度に多数のmiRNAを確認可能 |
| RT-qPCR | 特定のmiRNAを高感度で定量 | 感度が高く定量性に優れる |
| 次世代シーケンサー | 配列情報を含めて網羅的に解読 | 未知のmiRNAも検出可能 |
測定データの解析と結果の解釈で注意すべき点
miRNAの測定結果は「何倍増えた・減った」という相対値で評価されることが多く、基準となる内部標準の選び方が精度に影響します。年齢や性別、食事、運動量などの生活習慣もmiRNAの数値に影響を与えるため、結果の解釈には専門的な知識が必要です。
こうした複雑なデータの読み解きに、先述のAI技術が力を発揮しています。人の目では見落としがちな微妙なパターンの違いも、AIなら拾い上げることができるからです。
miRNAがん検査を受ける前に知っておきたい注意点と限界
miRNAがん検査は大きな期待を集めていますが、万能ではありません。検査の特性と限界を正しく把握しておくことで、結果を冷静に受け止め、次の行動につなげやすくなります。
研究段階の検査であり確定診断ではない
現時点では、miRNAがん検査は研究段階の検査として位置づけられています。陽性の結果が出たとしても、それだけで「がんがある」とは断定できません。従来の画像検査や組織生検と組み合わせて総合的に判断することが大切です。
検体の取り扱いや測定条件が結果に影響しうる
採血後の血液の処理方法や保存温度、溶血(赤血球が壊れること)の有無によって、miRNAの測定値が変わる場合があります。施設ごとに条件が統一されていないと、異なる施設で同じ結果を得ることが難しくなります。
がん以外の病気でもmiRNAが変動する場合がある
炎症性疾患や糖尿病、肝炎などでもmiRNAの発現パターンが変化する場合があります。がん特有の変動と他の病気による変動を正確に見分けるためには、より精密なmiRNAパネルの開発やAIによる解析精度の向上が引き続き求められるでしょう。
- 陽性的中率(検査が陽性のとき実際にがんである確率)は有病率に左右される
- がんの進行度(ステージ)によってmiRNAの変動幅が異なる
- 人種や年齢、生活習慣による個人差も研究で明らかになりつつある
miRNAがん検査とAI解析に関する疑問を解消する|不安を抱える方へ
新しい検査法やAIという言葉に、戸惑いや不安を感じる方も少なくないでしょう。医療機関で相談する前に、基本的な疑問を解消しておくことで、担当医との対話がスムーズになります。
miRNAがん検査を受けたいときはどこに相談すればよいか
miRNAがん検査の相談先の例
- がん専門病院(研究実績が豊富で、検査から経過観察まで対応できる場合がある)
- 大学病院(臨床研究として検査を実施していることがある)
- かかりつけ医(紹介状の発行や情報提供を依頼できる身近な窓口)
検査結果をどのように受け止めればよいか
miRNA検査の結果は、あくまで「リスクの目安」です。陽性だから必ずがんがある、陰性だからがんがないとは言い切れません。不安な結果が出た場合も、落ち着いて担当医に相談し、必要に応じて追加の精密検査を検討しましょう。
AI技術が進歩しても主治医との対話が欠かせない理由
AIは膨大なデータから傾向を読み取る力に優れていますが、患者さん一人ひとりの生活背景や心情まで汲み取ることはできません。検査データの解釈と治療方針の決定は、あくまで医師が患者さんと対話しながら進めるものです。
AIはあくまで医師の判断を支援する「道具」であり、医療の主役は患者さん自身と担当医であることを忘れないでいただきたいと思います。
よくある質問
miRNAがん検査は血液検査だけで受けられますか?
miRNAがん検査は、腕の静脈からの通常の採血で受けることができます。CT検査や内視鏡検査のように特別な前処置や絶食が必要になるケースは少なく、体への負担が軽い点が特長です。
ただし、現時点では研究段階の検査として提供されている場合が多いため、受けられる医療機関は限られています。まずはかかりつけ医やがん専門病院に問い合わせてみてください。
miRNAがん検査で判別が期待されているがんの種類にはどのようなものがありますか?
乳がん、肺がん、大腸がん、卵巣がん、胃がん、膵がん、肝臓がん、前立腺がん、食道がんなど、多くのがん種でmiRNAの発現パターンに特徴があることが報告されています。
特に乳がんや卵巣がんでは大規模な臨床研究で高い判別精度が示されており、研究が先行している分野といえるでしょう。ただし、がん種によって研究の成熟度は異なるため、すべてのがんが同じ精度で判別できるわけではありません。
miRNAがん検査でAIはどのような場面で活用されていますか?
AI(人工知能)は、血液中の数百〜数千種類のmiRNAデータの中から、がんの有無やがんの種類を示すパターンを自動的に発見する場面で活用されています。ランダムフォレストやディープラーニングなどの手法が用いられ、人間の目では見つけにくい微妙な変化も検出できます。
そのため、AIの導入によって診断の感度や特異度が向上する傾向が複数の研究で示されています。
miRNAがん検査の結果が陽性だった場合はどうすればよいですか?
miRNAがん検査で陽性という結果が出ても、直ちにがんと確定されるわけではありません。あくまでリスクが高いことを示す指標であり、確定診断には画像検査(CTやMRIなど)や組織生検が必要です。
落ち着いて担当の医師に結果を伝え、追加の精密検査について相談することが大切です。過度に不安を抱え込まず、専門家の指示に沿って行動しましょう。
miRNAがん検査は従来のがん検診の代わりになりますか?
現段階では、miRNAがん検査は従来のがん検診を完全に置き換えるものではありません。従来の検診(マンモグラフィ、CT、内視鏡など)と併用することで、早期発見率を高める「補助的な検査」としての活用が想定されています。
研究が進み、検査の精度や標準化が確立されれば、将来的にはスクリーニング検査の一つとして広く使われるようになるかもしれません。今後の研究の進展に注目していただければと思います。
References
Lu, J., Getz, G., Miska, E. A., Alvarez-Saavedra, E., Lamb, J., Peck, D., Sweet-Cordero, A., Ebert, B. L., Mak, R. H., Ferrando, A. A., Downing, J. R., Jacks, T., Horvitz, H. R., & Golub, T. R. (2005). MicroRNA expression profiles classify human cancers. Nature, 435(7043), 834–838. https://doi.org/10.1038/nature03702
Calin, G. A., & Croce, C. M. (2006). MicroRNA signatures in human cancers. Nature Reviews Cancer, 6(11), 857–866. https://doi.org/10.1038/nrc1997
Volinia, S., Calin, G. A., Liu, C. G., Ambs, S., Cimmino, A., Petrocca, F., Visone, R., Iorio, M., Roldo, C., Ferracin, M., Prueitt, R. L., Yanaihara, N., Lanza, G., Scarpa, A., Vecchione, A., Negrini, M., Harris, C. C., & Croce, C. M. (2006). A microRNA expression signature of human solid tumors defines cancer gene targets. Proceedings of the National Academy of Sciences, 103(7), 2257–2261. https://doi.org/10.1073/pnas.0510565103
Chan, M., Liaw, C. S., Ji, S. M., Tan, H. H., Wong, C. Y., Thike, A. A., Tan, P. H., Ho, G. H., & Lee, A. S. (2013). Identification of circulating microRNA signatures for breast cancer detection. Clinical Cancer Research, 19(16), 4477–4487. https://doi.org/10.1158/1078-0432.CCR-12-3401
Shimomura, A., Shiino, S., Kawauchi, J., Takizawa, S., Sakamoto, H., Matsuzaki, J., Ono, M., Takeshita, F., Niida, S., Shimizu, C., Fujiwara, Y., Kinoshita, T., Tamura, K., & Ochiya, T. (2016). Novel combination of serum microRNA for detecting breast cancer in the early stage. Cancer Science, 107(3), 326–334. https://doi.org/10.1111/cas.12880
Yokoi, A., Matsuzaki, J., Yamamoto, Y., Yoneoka, Y., Takahashi, K., Shimizu, H., Uehara, T., Ishikawa, M., Ikeda, S., Sonoda, T., Kawauchi, J., Takizawa, S., Aoki, Y., Niida, S., Sakamoto, H., & Kato, K. (2018). Integrated extracellular microRNA profiling for ovarian cancer screening. Nature Communications, 9(1), 4319. https://doi.org/10.1038/s41467-018-06434-4
Sherafatian, M. (2018). Tree-based machine learning algorithms identified minimal set of miRNA biomarkers for breast cancer diagnosis and molecular subtyping. Gene, 677, 111–118. https://doi.org/10.1016/j.gene.2018.07.057
Galvão-Lima, L. J., Morais, A. H. F., Valentim, R. A. M., & Barreto, E. J. S. S. (2021). miRNAs as biomarkers for early cancer detection and their application in the development of new diagnostic tools. BioMedical Engineering OnLine, 20(1), 21. https://doi.org/10.1186/s12938-021-00857-9
Azari, H., Nazari, E., Mohit, R., Asadnia, A., Maftooh, M., Nassiri, M., Hassanian, S. M., Ghayour-Mobarhan, M., Shahidsales, S., Khazaei, M., Ferns, G. A., & Avan, A. (2023). Machine learning algorithms reveal potential miRNAs biomarkers in gastric cancer. Scientific Reports, 13, 6147. https://doi.org/10.1038/s41598-023-32332-x
Yerukala Sathipati, S., Tsai, M. J., Aimalla, N., Moat, L., Shukla, S. K., Allaire, P., Hebbring, S., Beheshti, A., Sharma, R., & Ho, S. Y. (2024). An evolutionary learning-based method for identifying a circulating miRNA signature for breast cancer diagnosis prediction. NAR Genomics and Bioinformatics, 6(1), lqae022. https://doi.org/10.1093/nargab/lqae022
この記事を書いた人 Wrote this article
前田 祐助 医学博士 / 医師
慶應義塾大学医学部大学院にて、がんの発生メカニズム(発癌機構)や、慢性炎症と腫瘍の関係性に関する基礎研究に従事し、医学博士号を取得。 特に、胃がんにおける炎症微小環境の解析や、細胞シグナル伝達(COX-2/PGE2経路など)による腫瘍形成の研究において実績を持つ。 現在は、大学病院や研究機関で培った「根拠(エビデンス)に基づく医療」の視点を活かし、疾患の早期発見や予防医療の啓発活動を行っている。 【保有資格・所属】 医学博士(慶應義塾大学)/ 医師免許 / 日本内科学会 / 日本医師会認定産業医