AIと神経難病・神経免疫疾患 ── パーキンソン病 ── 2026-11-08
パーキンソン病・パーキンソン症候群の治療・治験とAI
- IMU-Based Gait Analysis for Detection of Parkinson Disease Using Machine and Deep Learning Models抄録（全訳）
パーキンソン病（PD）は、世界で2番目に多い神経変性疾患である。パーキンソン病は、世界で2番目に多い神経変性疾患であり、特に高齢者が罹患する。症状がわずかな変化から始まるため、PD の早期診断はまだ難しい。MDS-UPDRS などの従来の運動評価尺度は、客観性や感度に欠けることが多い。
本研究は、機械学習（ML）と深層学習（DL）の手法を、装着型の慣性計測装置（IMU）センサーと組み合わせ、パーキンソン病に伴う歩行異常の検出を評価した。そのうえで、パーキンソン病に伴う歩行異常を検出できるかを評価した。IMU の歩行データは前処理し、被験者単位で分割した。被験者単位で分割した前処理済みの IMU 歩行データを用い、浅い ML モデルと DL アーキテクチャを複数学習させた。クラスの不均衡に対処するため、データ拡張は学習用データだけに適用した。データ拡張は学習データにのみ適用し、情報の漏洩を伴わずにクラス不均衡に対処した。
最も成績がよかったのは、拡張した時系列信号で学習した LSTM モデルである。正解率は 93.79%、再現率は 94.84%、バランス正解率は 93.78% だった。マシューズ相関係数（MCC）は 0.876 だった。離散ウェーブレット変換（DWT）の特徴量を使った MLP とランダムフォレストは、正解率 92.48%、再現率 93.55%、MCC 0.850 だった。
別施設の独立したコホートでも、モデルの頑健性を確かめた。LSTM は正解率 93.10%、再現率 94.16% だった。MLP は正解率 92.13%、再現率 93.07% だった。さらに、説明可能な AI により、モデルの判断が主に手首の回旋の動きに基づくことが示された。その結果、モデルの判断は主に手首の回転の動きに基づいていた。これは、腕の振りが左右非対称に小さくなる所見を、生理学的に裏づけるものである。
掲載誌の IF 相当：13.5（OpenAlex の直近 2 年の平均被引用数・2026-11-07 時点の値、2026-11-08 に取得。正式な IF（Clarivate）ではない）書誌：Molina-Coronel R, Moscoso-Esquivel A, Loayza F, Tapia-Rosero A, Pelaez E, Navarro-Cadavid A, et al. IMU-Based Gait Analysis for Detection of Parkinson Disease Using Machine and Deep Learning Models. Digit Gov: Res Pract. 2026 Nov 6 [Epub ahead of print]. doi:10.1145/3859276.確認の範囲：抄録のみ確認 - A novel deep learning-based peak detection technique for in vivo metabolite analysis of triterpenoids from Eleutherococcus senticosus leaves in Parkinson's disease mice.抄録（全訳）
質量分析のデータ処理には課題がある。従来のピーク検出法には、存在量の少ない代謝物を検出しにくいこと、ノイズの干渉が強いこと、手間のかかるパラメータ調整に頼ることという課題があった。また、従来のピーク検出法では、手間のかかるパラメータ調整が欠かせない。これらに対処するため、深層学習によるピーク検出アルゴリズム MSPeakNet を開発した。
このモデルは、マルチスケールの畳み込みモジュールと U-net のエンコーダ・デコーダ構造からなる。U-net には注意機構を組み込んだ。この構成で、複雑な生体試料でもピークを高い精度で特定し、ノイズを減らせる。MSPeakNet の適合率と F1 スコアは、連続ウェーブレット変換（CWT）と同程度だった。ノイズへの頑健性は CWT より優れ、再現率も遜色なかった。
次に、この方法を、UPLC-Q-TOF/MS 分析を用いた生体内での代謝物プロファイリングに応用した。対象は、MPTP 誘発パーキンソン病（PD）マウスモデルにおける、エゾウコギ（Eleutherococcus senticosus）葉の総トリテルペノイド（ESLT）である。動物は、MPTP で誘発したパーキンソン病（PD）モデルマウスを用いた。血漿・尿・糞便・脳組織から、ESLT 関連化合物を計 143 種特定した。内訳は原形化合物 88 種、代謝物 55 種である。このうち原形化合物 16 種は脳組織で検出された。
薬効評価でも、ESLT は MPTP による運動機能障害を有意に改善した。ドパミン神経細胞の脱落も有意に改善した。さらに比較解析を行った。比較解析では、複数の生体試料にわたり、ESLT 関連の差異化合物のプロファイルが PD モデルマウスと正常マウスで異なっていた。差異代謝物は、糞便で 14 種、尿で 9 種、血漿で 6 種、脳で 4 種見つかった。この結果から、病態が ESLT 成分の生体内変換・分布・排泄に影響しうることが示唆される。
これにより、質量分析のピーク検出に使える、頑健で効率的な深層学習の手法が確立された。また、エゾウコギ葉から抗パーキンソン病の有効成分と品質マーカーを探索するための、重要な実験的根拠が得られた。
掲載誌の IF 相当：7.3（OpenAlex の直近 2 年の平均被引用数・2026-11-07 時点の値、2026-11-08 に取得。正式な IF（Clarivate）ではない）書誌：Wen T, Guan W, Xu S, Yang X, Li Y, Wang H, et al. A novel deep learning-based peak detection technique for in vivo metabolite analysis of triterpenoids from Eleutherococcus senticosus leaves in Parkinson's disease mice. Talanta. 2027 Apr;314:130904. doi:10.1016/j.talanta.2026.130904.確認の範囲：抄録のみ確認