AIと神経難病・神経免疫疾患 ── 2026-10-10

神経難病・神経免疫疾患と AI に関わる新しい論文を、各誌のホームページの配信・PubMed（誌を問わない検索）・OpenAlex（Google Scholar の代わりの公開の索引）から集め、Jev（言葉の判断をする AI）が「原著研究か」「AI が中心か」「9 の種別のどれか」「治療・治験に関わるか」を判定し、重要度の高いものから 1 日の上限まで選んだ一覧です。誌の IF では絞らず、論文ごとに掲載誌の IF 相当（OpenAlex の直近 2 年の平均被引用数）とその時点を示します。各論文の抄録（アブストラクト）を全文和訳して載せています（Claude による機械翻訳。原文は題のリンク先）。

疾患の種別に読む: 基礎（総論）（1） · ALS（0） · パーキンソン病（1） · 遺伝性神経変性疾患（0） · 神経筋疾患（0） · 多発性硬化症（0） · NMOSD・MOGAD（0） · 重症筋無力症（0） · 自己免疫性脳炎・CIDP・GBS（0）

神経変性・神経免疫の基礎研究の進展とAI

• 歩行データによる神経変性疾患の分類：時間とスペクトルの複数表現を組み合わせた二分岐 CNN
  Gait-based neurodegenerative disease classification using multimodal temporal-spectral representations and a dual-branch CNN.
  Computer methods in biomechanics and biomedical engineering · 2026-10-08 · 証拠の段階: 後ろ向きの観察（既存データセットでのモデル開発・評価）
  抄録（全訳）

  神経変性疾患（NDD）では、歩行障害がよく起こる。運動症状が疾患の間で重なるため、複数の疾患を見分けるのは難しい。この研究では、軽量な二分岐の畳み込みニューラルネットワーク（CNN）を提案した。入力は垂直床反力の信号で、これをリカレンスプロットとスペクトログラムの二つの表現に変換して統合する。分類する対象は、パーキンソン病、筋萎縮性側索硬化症（ALS）、ハンチントン病、健常対照の 4 群である。評価には、被験者 64 人を含む Gait in NDDs Dataset を使った。提案した枠組みの正解率は 96.15% だった。これは、リカレンスプロットを使う単一分岐モデル（94.19%）と、スペクトログラムを使う単一分岐モデル（95.75%）を上回った。時間的な再帰の情報とスペクトルの情報は、互いに補い合う。この結果から、両者を組み合わせると、神経変性疾患の歩行パターンを見分ける性能が上がることが示された。計算量は低いままである。

  掲載誌の IF 相当：1.7（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）
  書誌：Ozeloglu İG, Akman Aydin E. Gait-based neurodegenerative disease classification using multimodal temporal–spectral representations and a dual-branch CNN. Computer Methods in Biomechanics and Biomedical Engineering. 2026 Oct 8 [Epub ahead of print]. doi:10.1080/10255842.2026.2736243.
  確認の範囲：抄録のみ確認

基礎（総論）の論文をすべて見る（1 本）→

筋萎縮性側索硬化症（ALS）の治療・治験とAI

この号では、新しい該当論文はありませんでした。

パーキンソン病・パーキンソン症候群の治療・治験とAI

• AGMNet：MRI の不均一性とドパミン系の左右非対称性を統合した、パーキンソン病分類のための説明可能なゲート付きマルチモーダル枠組み
  AGMNet: an explainable gated multimodal framework integrating MRI heterogeneity and dopaminergic asymmetry for Parkinson's disease classification.
  Frontiers in artificial intelligence · 2026-09-24 · 証拠の段階: 後ろ向きの観察（既存画像データでのモデル開発・5 分割交差検証）
  抄録（全訳）

  はじめに：パーキンソン病（PD）は、時間とともに悪化する神経疾患である。パーキンソン病（PD）は時間とともに悪化する神経疾患であり、大脳半球間の左右非対称性、ドパミン作動性ニューロンの変性、脳の構造変化を特徴とする。

  方法：本論文では新しい手法として、説明可能なゲート付きマルチモーダル深層学習の枠組みである AGMNet（Adaptive Gated Multimodel Network）を示す。AGMNet は、説明可能なゲート付きマルチモーダル深層学習の枠組みである。PD を頑健に分類するため、次の四つを組み合わせる。この枠組みは、構造的磁気共鳴画像（MRI）、ドパミントランスポーター（DaT）画像、左右非対称性を考慮した表現、バイオマーカーの特徴量を組み合わせ、PD を頑健に分類する。AGMNet には Grad-CAM も組み込み、分類の判断に影響する画像領域を特定することで、モデルの解釈性を高めている。分類の判断に影響する画像領域を特定し、モデルを解釈しやすくするためである。AGMNet の性能は 5 分割交差検証で評価した。AGMNet の性能は five-fold 交差検証で評価し、VGG16、VGG19、InceptionV3、Xception といった既存の深層学習アーキテクチャとも比較した。

  結果：AGMNet の正解率は 0.8318、バランス正解率は 0.8278 だった。感度は 0.8556、特異度は 0.8000 だった。受信者動作特性曲線下面積（AUC）は 0.711、マシューズ相関係数（MCC）は 0.6458 だった。評価したベースラインのアーキテクチャと比べて、分類性能は遜色なかった。融合した表現への寄与は、DaT 画像、左右非対称性を考慮した特徴量、バイオマーカー表現の組み合わせのほうが、MRI の特徴量だけより大きかった。 考察：この結果は、AGMNet の適応的なマルチモーダル融合により、構造、機能、左右非対称性、バイオマーカーという互いに補い合う情報を、PD の分類のために統合しやすくなる可能性を示している。統合するのは、構造、機能、左右非対称性、バイオマーカーに関する、互いに補い合う情報である。学習したゲートの重みからも、この枠組みでは機能に関する情報と左右非対称性を考慮した情報が重要であることがうかがえる。また Grad-CAM により、モデルの判断について新たな手がかりが得られる。したがって AGMNet は、マルチモーダルな PD 分類に役立つ可能性があり、解釈しやすい枠組みである。

  掲載誌の IF 相当：6.0（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）
  書誌：Abinaya TG, Sivashankari R. AGMNet: an explainable gated multimodal framework integrating MRI heterogeneity and dopaminergic asymmetry for Parkinson's disease classification. Front Artif Intell. 2026 Sep 24;9:1849408. doi:10.3389/frai.2026.1849408; PMCID: PMC13645758.
  確認の範囲：全文を確認

パーキンソン病の論文をすべて見る（1 本）→

遺伝性神経変性疾患（脊髄小脳変性症・ハンチントン病など）の治療・治験とAI

この号では、新しい該当論文はありませんでした。

神経筋疾患（筋ジストロフィー・SMA など）の治療・治験とAI

この号では、新しい該当論文はありませんでした。

多発性硬化症の治療・治験とAI

この号では、新しい該当論文はありませんでした。

視神経脊髄炎スペクトラム障害・MOG 抗体関連疾患の治療・治験とAI

この号では、新しい該当論文はありませんでした。

重症筋無力症の治療・治験とAI

この号では、新しい該当論文はありませんでした。

自己免疫性脳炎・CIDP・ギラン・バレー症候群の治療・治験とAI

この号では、新しい該当論文はありませんでした。