AIと神経難病・神経免疫疾患 ── 基礎（総論） ── 2026-10-24
神経変性・神経免疫の基礎研究の進展とAI
- Learning global and local representations for generalized category discovery in neurodegenerative diseases抄録（全訳）
背景：人工知能（AI）は、神経変性疾患の閉集合分類で目立った成果を上げてきた。ただし、より現実に近い開集合の条件では性能が大きく落ちる。たとえば、ラベルのないデータから希少な病型や新しい病型を見つける場合である。こうした病型は学習時のデータに含まれていない。
目的：本研究は、MRI を用いて神経変性疾患の一般化カテゴリ発見（GCD）を行う枠組みを示す。この種の枠組みは、著者らの知る限りこれが初めてである。既知カテゴリのラベル付きデータを使い、ラベルのないデータから新しいカテゴリを自動で見つけることを目指す。 方法この組み合わせで、特徴の学習を一体として最適化する。 大域では、同じインスタンスに弱いデータ拡張をかけた複数のビューが、互いに一貫するようにする。そのために、サポートキュー内のほかの埋め込みとの類似度の関係を、ビューの間でそろえる。 局所の側では、サポートキューにある近傍の埋め込みを正例ペアとみなし、インスタンス間で対照学習を行う。これで細かな違いを見分ける力が高まる。 この二つの戦略を合わせると、一つの学習目的関数になる。この目的関数はラベル付きとラベルなしのどちらのデータにも使える。その結果、意味の近いインスタンス同士で、表現の隔たりを効果的に縮められる。 結果患者サンプルは 1500 例を超える。実験では、この枠組みが代表的な最先端手法を一貫して上回った。 全カテゴリでは、正解率（Accuracy）66.02%、正規化相互情報量（NMI）60.59% であった。新規カテゴリでは、正解率 54.53%、正規化相互情報量 16.67% であった。いずれも既存の最先端手法を上回った。 結論新たな神経変性疾患の病態を見つけるうえでの、実用的な価値も示された。開集合の診断 AI の発展につながる可能性もある。
掲載誌の IF 相当：3.0（OpenAlex の直近 2 年の平均被引用数・2026-10-23 時点の値、2026-10-24 に取得。正式な IF（Clarivate）ではない）書誌：Shen Y, Yang X, Hu Y, Qiao K, Hai J, Chen J, et al. Learning global and local representations for generalized category discovery in neurodegenerative diseases. Medical Physics. 2026 Oct 22;53(11):e70686. doi:10.1002/mp.70686.確認の範囲：抄録のみ確認