前回記事は抽象的過ぎるので、評価法の1例を挙げる。
詳細は「癌データベース」の中で別途議論する。このテーマは本ブログの目的地の1つである。
患者が治療法を選ぶとき、必要な情報は「その治療法がどのくらい効くのか?」であり、
「単位時間における腫瘍の画像上の体積変化σV/σtを最大径Rのべき乗で規格化したもの」である。
平たく言えば「癌が小さくなったか?大きくなったか?」であるが、少なくとも以下の様な補正
が必要と考える。実験やサンプル調査の根本は「いかに条件を揃えるか?」にある。
・腫瘍サイズ:以前私は腫瘍サイズの変化をまとめる際、癌流出量を「表面積に比例」と仮定した。
(抗癌剤治療(腫瘍縮小)の記事参照)しかし実際には隠れたパラメータがある。
腫瘍径のピッタリ2.0乗では無く、1.8乗だったり、2.2乗だったりする。
・腫瘍部位 :肺、骨、肝臓、脳、、。患部により「流出係数」は異なるはずである。
直感的には血管の配置から類推すると肺、脳、肝臓などは2乗から2.5乗の範囲?
骨などは1.5乗から2乗の範囲かな?などと想像している。
しかし相対比較では部位ごとに分類すれば良いので、最初は仮定しても良い。
・位置効果 :厄介なのは同じ「肺」と言っても末梢部や肺門近く、胸膜近く、など場所により、
条件が異なる事である。この「位置依存性」についても係数を設ける必要がある。
これは評価に個人差が入りやすい上、係数も0.5~1.0程度ぐらいのバラツキが
あると思う。難しいパラメータだと思える。
・水分、酸素量:放射線でも抗癌剤でもこのファクターは大きい。最終的には細胞組織と血漿成分、
及び末梢血管の径やコレステロール値なども関係してくるはずであるが、最初は
分化と癌腫の分類、年齢、ぐらいで規格するのが適当だろう。
・その他 :採血から電解質の値、pH、など。酸素飽和度、職歴、肥満度、など。気になる
パラメータは多い。どの程度をデータベース化すべきか、が最も重要な課題である。
様々な要因を規格化する事で、個々の患者におけるデータはやっと比較の対象になりうる。
これを治療中、治療後の定期検診で把握してゆき、多数の症例を重ねることで、各治療法の
「効き具合」を公平に評価することが可能になる。
治療期間や定期検診の間隔、並びに観測期間を決め、体積変化の径時変化を調べることで
各治療法の「制御期間」や「貢献した度合い」も判断できる。前回記事に例示した生データと、
上図の様な治療効果の推定ぐらいは本来ネットで検索できて当然である。
繰り返しになるが、ただでさえ高齢者に偏りがちな癌治療の効果を現す尺度として
「○年生存率」や「×年制御率」を用いるのは(例え正直なモノであっても)的はずれである。
データベース化の目的は癌治療において「何が重要か?」を新たに発見する事にある。
通常の科学では、判らない問題にぶつかった時、先ず最初に取られるべき手法である。
癌治療において個人差は誰もが認める現象だが、「個人の何が差を生み出すのか?」
を追求することが癌研究の根本であるし、活路もまたそこにあると確信する。
データベースの設計にはセンスが必要だが、技術的・コスト的な問題は殆ど無い。
最近流行の言葉で言えば、まさに医療従事者と医療行政の「矜持」の問題である。
詳細は「癌データベース」の中で別途議論する。このテーマは本ブログの目的地の1つである。
患者が治療法を選ぶとき、必要な情報は「その治療法がどのくらい効くのか?」であり、
「単位時間における腫瘍の画像上の体積変化σV/σtを最大径Rのべき乗で規格化したもの」である。
平たく言えば「癌が小さくなったか?大きくなったか?」であるが、少なくとも以下の様な補正
が必要と考える。実験やサンプル調査の根本は「いかに条件を揃えるか?」にある。
・腫瘍サイズ:以前私は腫瘍サイズの変化をまとめる際、癌流出量を「表面積に比例」と仮定した。
(抗癌剤治療(腫瘍縮小)の記事参照)しかし実際には隠れたパラメータがある。
腫瘍径のピッタリ2.0乗では無く、1.8乗だったり、2.2乗だったりする。
・腫瘍部位 :肺、骨、肝臓、脳、、。患部により「流出係数」は異なるはずである。
直感的には血管の配置から類推すると肺、脳、肝臓などは2乗から2.5乗の範囲?
骨などは1.5乗から2乗の範囲かな?などと想像している。
しかし相対比較では部位ごとに分類すれば良いので、最初は仮定しても良い。
・位置効果 :厄介なのは同じ「肺」と言っても末梢部や肺門近く、胸膜近く、など場所により、
条件が異なる事である。この「位置依存性」についても係数を設ける必要がある。
これは評価に個人差が入りやすい上、係数も0.5~1.0程度ぐらいのバラツキが
あると思う。難しいパラメータだと思える。
・水分、酸素量:放射線でも抗癌剤でもこのファクターは大きい。最終的には細胞組織と血漿成分、
及び末梢血管の径やコレステロール値なども関係してくるはずであるが、最初は
分化と癌腫の分類、年齢、ぐらいで規格するのが適当だろう。
・その他 :採血から電解質の値、pH、など。酸素飽和度、職歴、肥満度、など。気になる
パラメータは多い。どの程度をデータベース化すべきか、が最も重要な課題である。
様々な要因を規格化する事で、個々の患者におけるデータはやっと比較の対象になりうる。
これを治療中、治療後の定期検診で把握してゆき、多数の症例を重ねることで、各治療法の
「効き具合」を公平に評価することが可能になる。
治療期間や定期検診の間隔、並びに観測期間を決め、体積変化の径時変化を調べることで
各治療法の「制御期間」や「貢献した度合い」も判断できる。前回記事に例示した生データと、
上図の様な治療効果の推定ぐらいは本来ネットで検索できて当然である。
繰り返しになるが、ただでさえ高齢者に偏りがちな癌治療の効果を現す尺度として
「○年生存率」や「×年制御率」を用いるのは(例え正直なモノであっても)的はずれである。
データベース化の目的は癌治療において「何が重要か?」を新たに発見する事にある。
通常の科学では、判らない問題にぶつかった時、先ず最初に取られるべき手法である。
癌治療において個人差は誰もが認める現象だが、「個人の何が差を生み出すのか?」
を追求することが癌研究の根本であるし、活路もまたそこにあると確信する。
データベースの設計にはセンスが必要だが、技術的・コスト的な問題は殆ど無い。
最近流行の言葉で言えば、まさに医療従事者と医療行政の「矜持」の問題である。