AIと神経難病・神経免疫疾患 ── 2026-11-19
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)(0) · ALS(1) · 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(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
この号では、新しい該当論文はありませんでした。
筋萎縮性側索硬化症(ALS)の治療・治験とAI
- Speech-Based Dysarthria Severity Classification in Amyotrophic Lateral Sclerosis: A Controlled Deep Learning Benchmark抄録(全訳)
本研究は、筋萎縮性側索硬化症(ALS)に伴う構音障害の音声状態を 5 クラスに分類する課題を扱う。筋萎縮性側索硬化症(ALS)の構音障害を音声で 5 クラスに分類する課題で、メルスペクトログラム入力に波形由来の情報理論的記述子を加えた。これにより、測定できるほどの利点が得られるかを調べた。
主な根拠は、この研究独自の比較である。録音単位の 5 分割で、畳み込みニューラルネットワーク(CNN)同士を比べた。正解率は、メルのみが 0.926±0.012、過去の融合モデルが 0.927±0.008 だった。
これとは別に、CNN 融合モデルを検証・再現するための実行も行った。この実行では、メル入力と 17 個すべての情報理論的記述子が伝わる過程を追跡した。正解率は 0.927±0.010 だった。ただし、保管されていた過去の入力テンソルを、さかのぼって検証したものではない。
したがって、得られた比較で分かるのは小さな数値上の変化だけである。融合が一般に有利だと示されたわけではない。
このほか、補足の解析も行った。参加者が重ならない条件での CNN の直接比較、時間長を固定した CNN 比較、シード・時間長・パディング・課題別の対照である。参加者が重ならない比較では、正解率はメルのみが 0.820、融合が 0.823 だった。録音時間を固定した条件では、それぞれ 0.914 と 0.915 だった。
追加したこれらの評価条件でも、メルのみと融合の数値上の差は同じく小さかった。ただし、参加者の重なりの影響を、条件をそろえて推定したものではない。特徴量融合に統計的に確かな利点があると示したものでもない。
ソースコードを監査したところ、入手できる実装と、スコアを出したと記録されたベンチマークとの間に食い違いが見つかった。ただし、後者でリークが起きたことは確認されていない。
実行に紐づく記録がないこと、クラスの不均衡、外部検証がないことから、結論は評価した音声処理パイプラインに限られる。クラス 4 は構音障害のない ALS を表す。早期の球症状の検出を意味するものではない。
掲載誌の IF 相当:5.5(OpenAlex の直近 2 年の平均被引用数・2026-11-17 時点の値、2026-11-19 に取得。正式な IF(Clarivate)ではない)書誌:Taparugssanagorn A, Caputo S, Borghini G, Mucchi L. Speech-Based Dysarthria Severity Classification in Amyotrophic Lateral Sclerosis: A Controlled Deep Learning Benchmark. Electronics. 2026 Nov 17;15(22):5362. doi:10.3390/electronics15225362.確認の範囲:抄録のみ確認
パーキンソン病・パーキンソン症候群の治療・治験とAI
- Visual foundation models with adapter learning for Parkinson’s disease recognition based on OCT images抄録(全訳)
パーキンソン病(PD)は進行性の神経変性疾患である。光干渉断層撮影(OCT)の画像は、PD を識別する有望な手段として注目されている。しかし、深層ニューラルネットワーク(DNN)で精度の高い PD 識別モデルを作るには、多数の OCT 画像と高価な計算資源が要る。
本論文の狙いは、事前学習済みの視覚基盤モデル(VFM)にアダプタ学習で少数の学習可能パラメータだけを加え、OCT 画像から PD を識別することである。追加する学習可能パラメータはわずかで済む。
著者らは、アダプタ学習に基づいて OCT 画像から PD を自動で識別する新しい枠組み VFM-Adapter を提案した。具体的には、軽量なアダプタを 3 つ導入した。グローバルアダプタ、ローカルアダプタ、トークン単位アダプタである。具体的には、グローバル・ローカル・トークン単位の 3 種の軽量アダプタで VFM の特徴表現を OCT 画像へ効果的に転用し、高い PD 識別能力を持たせた。
VFM-Adapter の成績は、正解率 77.66%、感度 78.01%、特異度 77.31%、F1 スコア 77.93%、適合率 79.58% だった。更新したパラメータはごく一部だけだったが、最先端の深層ニューラルネットワークを上回った。比較対象は、畳み込みニューラルネットワーク(CNN)、注意機構付き CNN、Vision Transformer などである。広範なアブレーション研究でも、各アダプタの有効性が示された。
VFM-Adapter は、OCT 画像による PD 識別のための、有効でパラメータ効率のよい転移学習の枠組みである。学習可能な少数のパラメータだけを大きく微調整して競合手法並みの性能を保てるため、実際の診断で PD を自動スクリーニングする有望な選択肢となる。このため、実際の診断場面での PD の自動スクリーニングで、有望な代替手段となる。
該当なし。
掲載誌の IF 相当:9.7(OpenAlex の直近 2 年の平均被引用数・2026-11-17 時点の値、2026-11-19 に取得。正式な IF(Clarivate)ではない)書誌:Zhang J, Wang T, Shao D, Yang Y, He J, Zheng M, et al. Visual foundation models with adapter learning for Parkinson’s disease recognition based on OCT images. BMC Med Inform Decis Mak. 2026 Nov 17 [Epub ahead of print]. doi:10.1186/s12911-026-03979-z.確認の範囲:抄録のみ確認
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
- Ex vivo 9.4T T2*-weighted MRI of the human spinal cord with spinal cord, gray matter and lesion segmentations (MS, PML, ALS, CVD)抄録(全訳)
26 人の提供者から得たヒト脊髄標本を、摘出後に 9.4T の T2*強調 MRI で撮像した(75 µm 等方、強度画像と位相画像)。提供者の内訳は、多発性硬化症(MS)18 人、進行性多巣性白質脳症(PML)4 人、脳血管疾患(CVD)2 人、筋萎縮性側索硬化症(ALS)2 人である。データは脳画像データの標準形式 BIDS で整理している。
派生データは 3 種類ある。1 つ目は、脊髄・灰白質・病変の疎な 2D 手動セグメンテーションである(derivatives/labels_2d)。2 つ目は、2D モデルがスライスごとに予測した密な 3D 疑似ラベルである(derivatives/pseudo_labels_3d)。3 つ目は、手動で確認した密な 3D ラベル 1 件である(derivatives/labels_3d)。
このデータセットは、Hoareau らの論文 "Optimization in Sparse 2D to Dense 3D Weakly Supervised Learning: Application to Multi-Label Segmentation of Large ex vivo MRI Data"(Machine Learning for Biomedical Imaging(MELBA))に付随する。コードとモデルは https://github.com/ivadomed/model_seg_sc-gm-lesion_human_ms_exvivo_t2star で公開されている。
掲載誌の IF 相当:1.2(OpenAlex の直近 2 年の平均被引用数・2026-11-17 時点の値、2026-11-19 に取得。正式な IF(Clarivate)ではない)書誌:[No authors listed]. Ex vivo 9.4T T2*-weighted MRI of the human spinal cord with spinal cord, gray matter and lesion segmentations (MS, PML, ALS, CVD). Borealis. [Epub ahead of print]. doi:10.5683/sp4/p9zciw.確認の範囲:抄録のみ確認
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。