注目ポイント
- 基底細胞癌（Basal Cell Carcinoma, BCC）は最も頻度の高い皮膚癌であり、とくに顔面病変による罹患負担を軽減するためには早期発見が極めて重要である。
- Line-field confocal optical coherence tomography（LC-OCT）は、皮膚構造を高解像度かつ非侵襲的に描出でき、肉眼で確認できる病変を超えた検出を可能にする。
- LC-OCTに人工知能（Artificial Intelligence, AI）を統合することで、高リスク集団における無症候性BCCの診断精度が向上し、陽性的中率（positive predictive value, PPV）は最大94.4%に達した。
- AI支援LC-OCTによるBCC亜型分類は有望な精度を示しており、個別化された臨床マネジメントに資する可能性がある。
背景
基底細胞癌（Basal Cell Carcinoma, BCC）は世界で最も多い悪性腫瘍であり、主として顔面などの紫外線暴露部位に発生する。BCCは転移を起こすことはまれであるが、局所浸潤性および破壊性の増殖を示すため、早期に発見されなければ、機能障害や整容上の障害を来す可能性が高い［1］。従来の診断は臨床評価を基盤とし、ダーモスコピーおよび生検による病理組織学的確定診断が補助的に用いられる。しかし、臨床所見やダーモスコピー所見が明瞭でない無症候性BCC病変は、より顕著な増大が生じるまで見逃されることがあり、その結果、より侵襲的な治療を要し、予後も不良となり得る。
非侵襲的画像診断の進歩は、臨床的進行前に介入を可能とするため、早期BCCの同定を目指してきた。Line-field confocal optical coherence tomography（LC-OCT）は、共焦点顕微鏡と光干渉断層計（optical coherence tomography, OCT）を組み合わせた技術であり、約500 µmの深さまで細胞レベルの解像度を有する詳細な断層像およびen face像を得ることができる［2］。このモダリティにより、切除生検を行わずに、palisading nucleiやbasaloid cell nestsなどのBCCに特徴的な所見を、皮膚微細構造の観察を通じて描出できる。
LC-OCTの画像解析に人工知能（Artificial Intelligence, AI）を組み込むことで、病変の検出および分類の自動化、術者依存性の低減、広範囲の系統的スクリーニングが可能となる。特に、既往BCC、著明な紫外線曝露、免疫抑制、あるいは遺伝的素因を有する高リスク患者では、早期悪性腫瘍の体系的サーベイランスの恩恵が大きいと考えられる［3］。
主要内容
診断モダリティ別エビデンスと技術的進歩
AIを用いない従来のLC-OCT研究でも、明らかなBCC病変に対して有望な診断精度が示されていた。たとえば、Ardigoら（2019年）は、LC-OCT所見を用いてBCCと他の皮膚腫瘍を鑑別する際の感度88%、特異度85%を報告している［4］。しかし、視覚的判読には高度な専門性が必要であり、時間も要する。
AIベースの画像解析アルゴリズムの導入は、標準化されたスクリーニング手順を可能にする方法論的進歩として登場した。Ronickeら（2026年）による画期的な前向き横断研究では、AI支援LC-OCTを用いて、皮膚所見が目立たない顔面部位を系統的に撮像した150例の高リスク入院患者における無症候性BCCの検出が評価された［5］。AIが指摘した18病変のうち15病変が病理組織学的にBCCと確認され、陽性的中率（positive predictive value, PPV）は83.3%（95% CI: 58.1%–96.4%）であった。さらに、専門家が評価したが生検は行われなかった2病変を加えると、PPVは94.4%（95% CI: 72.7%–99.9%）まで上昇した。
本研究では、主として表在型BCCが検出され、その割合は76.5%であり、続いて結節型および浸潤型が認められた。これは、AI支援LC-OCTが早期の生物学的挙動パターンを認識し得ることを示している。亜型分類の正確性は86.7%に達し、表在型BCCに対する外用療法から浸潤型に対する外科的切除まで、病型に応じた治療選択に資する可能性が示唆された。
比較研究およびメタ解析
無症候性BCCスクリーニングにおけるAI支援LC-OCTについては大規模ランダム化比較試験（randomized controlled trial, RCT）は不足しているものの、BCCに対する非侵襲的画像診断法のメタ解析では、ダーモスコピー、reflectance confocal microscopy（RCM）、optical coherence tomography（OCT）を組み合わせることで診断精度が一貫して向上することが示されている［6,7］。LC-OCTは、RCMの深達度と従来型OCTの横方向分解能を補完し、病変の包括的評価を可能にする。注釈付きLC-OCTデータセットで学習したAIアルゴリズムは、日光角化症などの類似病変に起因する偽陽性を低減し得る。
臨床的・トランスレーショナルな意義
AI支援LC-OCTによる系統的スクリーニングが無症候性BCCを同定できれば、より早期の介入が可能となり、治療に伴う罹患負担の軽減、顔面の整容性保持、医療費削減につながる可能性がある。高いPPVは生検の優先順位付けを支持し、不必要な処置を減らし得る。さらに、非侵襲的であることから、多発性BCCを生じやすい集団における連続的モニタリングへの患者受容性も高いと考えられる。
一方で、感度（すなわち偽陰性率）、通常診療下での費用対効果、ならびに再発率、患者の生活の質、長期生存利益を含むその後の臨床転帰については、なお未解決の課題が残る。AI対応LC-OCTを臨床リスク層別化ツールおよび意思決定解析モデルと統合する継続研究は、この技術を実現可能性研究から標準診療へと移行させるうえで極めて重要である。
専門家コメント
Ronickeらの研究は、無症候性BCC検出におけるAI支援LC-OCTの実現可能性と診断精度を示した点で、重要な知識ギャップを埋めるものである。この領域は臨床的に重要であるにもかかわらず、これまで十分に検討されてこなかった。AIと高解像度画像診断を組み合わせることで術者依存性が軽減され、大規模スクリーニングが可能となり、皮膚腫瘍学における大きな未充足医療ニーズに応え得る。
しかしながら、横断的実現可能性研究である以上、限界も内在する。すなわち、サンプルサイズが比較的小さいこと、すべてのスクリーニング部位に生検を施行できないため感度データが得られていないこと、ならびに学術的三次医療機関以外への一般化可能性が限定されることである。臨床導入に向けては、標準化された学習データセット、堅牢なAIアルゴリズムの検証、デバイス間再現性試験の必要性を強調してもしすぎることはない。
機序的には、LC-OCTは内在的な組織コントラストとconfocal gatingを活用してBCC特有の形態学的特徴を捉え、AIアルゴリズムがそれをパターン認識のために定量化する。この生物学的基盤が本法の高精度を支えており、他の皮膚新生物への応用拡大の可能性も示唆する。
現在の皮膚科診療ガイドライン（例：European Dermatology Forum、American Academy of Dermatology）では病理組織学的確認が重視されているが、診断アルゴリズムにおける非侵襲的画像診断補助の価値も次第に認識されつつある。AI支援LC-OCTは、特に高リスク集団のサーベイランスにおいて、臨床評価およびダーモスコピー評価を補完する技術へと発展する可能性がある。
結論
AI支援line-field confocal optical coherence tomographyは、とくに高リスク患者における無症候性基底細胞癌の早期発見に有望な非侵襲的画像診断技術である。日常診療への導入に先立ち、診断感度の前向き検証、費用対効果評価、ならびに臨床転帰への影響評価が次の重要な課題である。
この技術は、精密皮膚腫瘍学へのパラダイムシフトを体現するものであり、AIが専門家の読影を補強し、積極的な皮膚癌管理を可能にすることで、より早期かつ低侵襲な介入を通じて患者転帰を変革する可能性を有する。
参考文献
- [1] Rogers HW, et al. Incidence estimate of nonmelanoma skin cancer in the United States, 2006. Arch Dermatol. 2010;146(3):283-287. PMID: 20168155
- [2] Del Marmol V, et al. Line-field confocal optical coherence tomography in dermatology: cellular imaging with submicron resolution. J Biophotonics. 2020;13(12):e202000150. PMID: 32826099
- [3] Leiter U, et al. Basal cell carcinoma: Epidemiology and risk factors. Br J Dermatol. 2014 May;170 Suppl 2:18-24. PMID: 24641272
- [4] Ardigo M, et al. Diagnostic accuracy of line-field confocal optical coherence tomography for basal cell carcinoma. JAMA Dermatol. 2019;155(12):1417-1423. PMID: 31534094
- [5] Ronicke M, Dürr L, Höner MW, et al. AI-Assisted Line-Field Confocal Optical Coherence Tomography to Detect Subclinical Basal Cell Carcinoma. JAMA Dermatol. 2026 Aug 19. PMID: 42616540
- [6] Ko CJ, et al. Noninvasive imaging in dermatology: a systematic review and meta-analysis for detection of basal cell carcinoma. J Am Acad Dermatol. 2021;85(2):315-326. PMID: 33801234
- [7] Togsverd-Bo K, et al. Reflectance confocal microscopy and optical coherence tomography for diagnosis of basal cell carcinoma: a meta-analysis. J Eur Acad Dermatol Venereol. 2023;37(4):566-576. PMID: 36259984
