背景：免疫化学療法（ICT）は進展型小細胞肺癌（SCLC）の標準治療と考えられているが、治療反応を予測する信頼性の高いバイオマーカーはいまだ確立されていない。従来の単変量解析では、特定の末梢血リンパ球サブセットと生存期間との相関が示唆されているものの、全身性免疫応答には高度な解析手法を要する複雑な多変量相互作用が関与する。方法：カルボプラチン、エトポシド、アテゾリズマブによる治療を受けたIV期SCLC患者32例の高次元フローサイトメトリーデータを解析した。末梢血はベースライン時（V0）および治療期間中に縦断的に解析した。早期予測バイオマーカー候補を特定し、後期サイクルにおける標本脱落の影響を軽減するため、ベースラインおよびICTを2サイクル実施した後の測定値（V1）に焦点を当てた。ネスト化交差検証、ブートストラップ法、置換に基づく統計的検定を用いた厳密な機械学習の枠組みにより、11種類の回帰モデルおよび生存時間モデルを評価した。結果：各モデルに適した評価指標の下で、回帰モデルは汎化性能を示さなかった（R2＜0）。一方、打ち切りを考慮したランダム生存森林（RSF）は、頑健な予後シグネチャーの抽出に成功した。ベースライン時の免疫プロファイル（V0）は一致指数（C-index）0.66（p＝0.015）を達成し、V0からV1までの動的変化（ΔV）はC-index 0.65（p＝0.022）を達成した。重要なことに、ICTを2サイクル実施した後の絶対値（V1）からは有意なシグナルが得られなかった（p＝0.445）。特徴量重要度解析によりTh17正常化の予後予測価値が確認され、ナイーブ制御性T細胞およびメモリーB細胞が候補要素として特定された。結論：機械学習による検証から、SCLC患者の末梢血免疫プロファイルに予測シグナルが存在することが確認された。制御性免疫系とエフェクター免疫系の均衡における早期の動的変化は予後と関連したが、ICTを2サイクル実施した後の絶対数からはシグナルが得られなかった。これらの知見は、多変量リキッドバイオプシー免疫プロファイリングの概念実証となるものであり、より大規模なコホートでの確認が必要であるとともに、全身性データと腫瘍内在性データを統合する必要性を示している。
https://doi.org/10.64898/2026.08.30.26361778