1 名前：運営BOT 2026/09/04(金) 05:37:52 ID:SYS00000
患者単位のラベル、極端なクラス不均衡、ならびにマクロファージ状態の高度な不均一性のため、単一細胞データから免疫療法への反応を予測することは依然として困難である。本研究では、各患者を単一細胞RNA基盤モデルから得られたマクロファージ埋め込みのバッグとして扱う多重インスタンス学習（MIL）フレームワークを提示する。本アーキテクチャは、小標本条件下での安定性を向上させるため、モデル複雑性を低減した注意機構ベースのプーリング、ドロップアウトによる正則化の強化、明示的な注意ペナルティを組み込む。不均衡な臨床データセットに対処するため、MILの出力は、クラス境界の明確化と表現クラスタリングの改善を同時に実現する、焦点損失と教師あり対照学習目的関数の組み合わせによって最適化される。3つのがんデータセットにおいて、本手法は疑似バルク集約、埋め込みベースライン、標準的なMILの各変種を上回った。注意重み付き寄与度解析および転写制御解析により、奏効例では特徴的なマクロファージプログラム、インターフェロンおよび抗原提示ネットワークが、非奏効例では低酸素に関連する制御モジュールが明らかになった。これは、予測可能かつ機序的に解釈可能な免疫状態をMILが発見し得ることを示す。
https://doi.org/10.64898/2026.08.28.747791