治療反応の数理モデルは個別化治療に有用な情報をもたらし得るが、その較正にはしばしば、費用と患者負担が大きく、固定されたスケジュールで収集される縦断的測定が必要となる。このようなスケジュールは、反応がすでに十分に特徴づけられている患者を過剰に測定する一方、モデルパラメータに不確実性が残る患者について有益な測定を遅らせるため、非効率となり得る。本研究では、ベイズ情報理論的実験計画と非線形混合効果モデリングを組み合わせ、各患者の次回測定時点を適応的に選択するフレームワークINFORME（INFORmation-theoretic design with Mixed Effects）を提示する。既存コホートから学習した母集団および反応サブグループのパラメータ分布を情報量のある事前分布として用いることで、患者固有のパラメータ不確実性が期待上どの程度減少するかに基づき、測定時点候補を順位づけできる。観測データの蓄積に伴い、患者データと最も整合する反応サブグループを反映するよう事前分布を更新できる。INFORMEを2つの放射線治療データセットで評価した。すなわち、前立腺がんスフェロイドのハイブリッド・セル・オートマトンモデルから得た150件の合成腫瘍体積軌跡（HD1）と、頭頸部がん患者39例の縦断的腫瘍体積（HD2）である。HD1では、母集団事前分布により治療前の2回のスキャンをともに省略でき、適応的スケジューリングによって9回のスキャンからなるプロトコルを3回または4回へ削減できた。また、27日目に治療後スキャンを1回実施するだけで反応群を同定できた。HD2では、適応的スケジュールによりスキャン回数が6回から3回となり、治療中の初回スキャンを第1週から第2週へ遅らせることで、偽陽性および偽陰性の反応予測を生じさせる一過性の動態を回避し、予測を改善した。両データセットを通じて、適応的スケジュールのスキャン回数は7回ではなく平均2.7回となり、治療期間を変えることなく、等間隔プロトコルと比較して患者固有の予測完了が平均15.5日（95％信頼区間：6.7～24.3日）早まった。したがってINFORMEは、モデル較正に最も有益な時点へ観測を集中させることで、測定負担を軽減し、患者固有の予測を迅速化する。
https://doi.org/10.64898/2026.08.28.747735