AIと神経難病・神経免疫疾患 ── 2026-10-30

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（0） · 遺伝性神経変性疾患（0） · 神経筋疾患（0） · 多発性硬化症（1） · 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

• CPRISP：環状RNAとRNA結合タンパク質の相互作用部位を予測し、解釈もできる深層学習の枠組み
  CPRISP: an interpretable deep learning framework predicting circRNA-RBP interactions and guiding therapeutic discovery in neurodegeneration
  Nature Communications · 2026-10-28 · 証拠の段階: 前臨床（計算機による解析、in silico）
  抄録（全訳）

  環状RNAは、RNA結合タンパク質と相互作用して遺伝子発現を調節する。ただし、その結合部位の予測はまだ難しい。とくに、タンパク質や細胞の状態が変わっても通用する予測は難しい。既存の手法は転写産物の特徴を重視することが多い。一方で、タンパク質固有の情報や構造上の文脈はあまり使っていない。

  本研究では、複数の情報を組み合わせた深層学習フレームワークを作った。組み合わせたのは、環状転写産物の配列組成、物理化学的性質、二次構造、事前学習済みの表現、タンパク質の特徴である。37 のベンチマークデータセットで評価したところ、相互作用部位の予測が向上した。予測は異なる細胞株にも汎化した。

  モデルを解釈すると、保存された一本鎖の配列パターンが見いだされた。アルツハイマー病、パーキンソン病、筋萎縮性側索硬化症（ALS）に関わるタンパク質も解析した。その結果、繰り返し現れる経路が見つかった。アルツハイマー病、パーキンソン病、筋萎縮性側索硬化症に関わるタンパク質では、核と細胞質の間の輸送、リソソームのシグナル伝達、グアノシントリホスファターゼ活性に関わる経路が繰り返し見られた。この解析をもとに、実験での追跡調査に向けて化合物の優先順位を付けた。

  以上は、環状RNAとタンパク質の相互作用を、正確かつ解釈可能な形で対応付けられることを支持する。ただし、治療効果を示唆するものではない。

  掲載誌の IF 相当：18.6（OpenAlex の直近 2 年の平均被引用数・2026-10-25 時点の値、2026-10-26 に取得。正式な IF（Clarivate）ではない）
  書誌：Wang Y, Li J, Liu X, You L, Chen CYC. CPRISP: an interpretable deep learning framework predicting circRNA-RBP interactions and guiding therapeutic discovery in neurodegeneration. Nat Commun. 2026 Oct 28 [Epub ahead of print]. doi:10.1038/s41467-026-79009-3.
  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

この号では、新しい該当論文はありませんでした。

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

• DenseGated-MSNet：脳MRIから多発性硬化症を分類する多シーケンス・ゲート融合ネットワーク
  DenseGated-MSNet: A Multi-Sequence Gated Fusion Network for Multiple Sclerosis Classification from Brain MRI
  Diagnostics · 2026-10-28 · 証拠の段階: 診断モデルの開発研究（単一コホートでの内部交差検証）
  抄録（全訳）

  背景・目的： 多発性硬化症（MS）は、中枢神経系の慢性の脱髄疾患である。その診断と経過観察では、磁気共鳴画像（MRI）が中心的な役割を担う。MRIのシーケンスが違えば、MSに関連する病理について互いに補い合う情報が得られる。そのため、複数のシーケンスを合わせて使えば、自動分類を改善できる可能性がある。しかし、既存のMS自動分類研究の多くには課題が三つある。まず、使うシーケンスの情報が限られている。次に、被験者独立のプロトコルでの評価が一貫して行われていない。さらに、被験者単位で整理した多シーケンスの公開データセットが乏しい。

  方法：これらの課題に対応するため、新しい多シーケンス脳MRIデータセットを集めて公開した。あわせて、MSと非MSを分類する、エンドツーエンドで複数入力の新しい深層学習モデル DenseGated-MSNet を提案した。これはエンドツーエンドの多入力深層学習モデルである。同時に撮像した各MRIシーケンスを、それぞれ独立した DenseNet-121 の分岐で並列に処理する。得られた表現は、入力に応じて働くゲート付きの特徴レベル融合機構で統合する。この機構のゲートは入力に応じて変わる。 評価は、厳密な被験者独立のプロトコルで行った。厳密な被験者独立の評価規約のもと、モデルの構成は被験者独立の開発用データセットで決めた。最終モデルの性能は、同じコホートで、画像単位と被験者単位について、被験者独立の 5 分割交差検証により内部評価した。評価は画像単位と被験者単位の両方で行った。

  結果：被験者独立の 5 分割内部交差検証で、DenseGated-MSNet の被験者単位のプール正解率は 90.57%（95% 信頼区間 86.44–93.53%）、AUC は 0.947（95% 信頼区間 0.918–0.976）であった。被験者単位でまとめた正解率は 90.57%（95% 信頼区間 86.44〜93.53%）であった。AUC（受信者動作特性曲線下面積）は 0.947（95% 信頼区間 0.918〜0.976）であった。学習したゲート値からは、シーケンス単位の調節の情報も得られた。複数のシーケンスを統合する際に、各MRIシーケンスにどれだけ強く重みを置いたかを示す情報である。

  結論：全体として、DenseGated-MSNet は、複数のMRIシーケンスが補い合う情報を効果的に統合できることが示唆される。判別の対象は、確定したMSと、選んだ非MS対照である。同時に、シーケンス単位の調節の情報も得られる。公開したデータセットとあわせ、提案した枠組みは、今後の被験者独立のMS分類研究に向けた再現可能な基盤となる。

  掲載誌の IF 相当：4.0（OpenAlex の直近 2 年の平均被引用数・2026-10-16 時点の値、2026-10-17 に取得。正式な IF（Clarivate）ではない）
  書誌：Yaman S, Karasekreter N, Çeliköz R, Özgül E, Guler H. DenseGated-MSNet: A Multi-Sequence Gated Fusion Network for Multiple Sclerosis Classification from Brain MRI. Diagnostics. 2026 Oct 28;16(21):3539. doi:10.3390/diagnostics16213539.
  確認の範囲：抄録のみ確認

多発性硬化症の論文をすべて見る（1 本）→

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。