ハメド・ジャビディ氏らは2026年8月20日(現地時間)、量子カーネル推定を用いた早期肺がん検出に関する研究論文をarXivに発表した。低線量胸部CTによる肺がんスクリーニングには限界がある一方、血液ベースのセル・フリーDNA (cfDNA) バイオマーカーは補完的なアプローチとして期待される。本研究は、DNAフラグメントオミクスとDNAメチル化データを用いた量子古典ハイブリッド機械学習の有効性を評価した。
研究グループは、cfDNAバイオマーカーによる早期肺がん検出の困難さとして、肺がんの不均一性や高次元・非線形な分子シグナルを挙げている。この課題に対し、量子古典ハイブリッド機械学習を適用し、DNAフラグメントオミクスとDNAメチル化データから肺がんを検出する手法を評価した。
具体的には、特徴選択後に20または40の特徴サブセットを用いてモデルを訓練した。特徴量はアングルおよび高密度アングル特徴マップと複数のエンタングルメント戦略を用いて量子ヒルベルト空間にエンコードされた。忠実度に基づいた量子カーネルは厳密な状態ベクトルシミュレーションで計算され、事前計算されたカーネルSVMとカーネルPCAロジスティック回帰に統合された。これにより、エンコーディングとエンタングルメントの設計が分類性能にどのように影響するかを系統的に評価する枠組みが構築された。
繰り返し行われたホールドアウト評価において、量子カーネルモデルは両データセットで既存手法と同等の性能を示した。DNAフラグメントオミクスでは、いくつかの20特徴設定が従来のSVMベースラインと比較してAUC（Area Under the Curve）を改善し、非線形なcfDNA断片化構造を効果的に捉えた可能性が示された。DNAメチル化においては、従来のSVMが最高のAUCを達成したが、選択された量子モデルも競争力を維持し、特定のケースで特異度を向上させた。特徴量を20から40に増やしても性能の一貫した改善は見られず、むしろ変動性が増加する傾向が見られた。これらの結果は、量子カーネル法がcfDNAベースの肺がん検出において有望なアプローチであることを支持している。本研究はCIBB 2026カンファレンスで採択された。
参考: arXiv cs.LG (アーカイブ) — 2026年8月21日 13:00 (JST)
原文ハイライト"quantum kernel methods as a promising approach for cfDNA-based lung cancer detection."