AIと神経難病・神経免疫疾患 ── 2026-11-21

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(0) · パーキンソン病(2) · 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
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
- DEGAS, disease endophenotyping through graph and adjacency metrics: network biomarkers for Parkinson’s disease progression抄録(全訳)
パーキンソン病(PD)の進み方は患者ごとに異なる。それでも、患者を層別して個別の診療につなげられる信頼できるバイオマーカーはまだない。著者らは、機械学習の枠組み DEGAS を作った。DEGAS は脳の機能的結合から、ネットワークで定義される PD のサブタイプを特定する。対象は早期 PD 患者 336 例で、ベースライン時の機能的 MRI を用いた。患者は、レム睡眠行動障害の疑い(sRBD)の有無で層別した。sRBD は侵攻性の高い病態の目印である。隣接行列とグラフ理論の指標を分類器に組み込み、予測は 3 年後の転帰と照らして検証した。
関心領域(ROI)解析では、結合にもトポロジーにも群間差はなかった。一方、グラフ理論の特徴量を取り込んだモデルは、高い分類性能を示した(バランス精度 0.91〜0.93、マシューズ相関係数(MCC)0.61〜0.78)。隣接行列だけのモデル(バランス精度 0.79、MCC 0.52)より性能が高かった。最も強い予測因子は、大脳基底核–視床回路、側頭–辺縁系回路、小脳–皮質回路を表す指標だった。
sRBD 陽性と分類された患者では、運動機能の転帰が悪く、自律神経障害の進行が速かった。幻覚、ジスキネジア、うつの頻度も高かった。DEGAS の枠組みで、ベースライン時のネットワークの特徴(シグネチャー)を定義できる。この特徴は、臨床的に異なる PD のサブグループを示す。臨床での使用を検討する前に、外部検証が必要である。
掲載誌の IF 相当:8.0(OpenAlex の直近 2 年の平均被引用数・2026-10-20 時点の値、2026-10-21 に取得。正式な IF(Clarivate)ではない)書誌:Martinez-Nunez AE, Pontone GM, Barmpoutis A, Okun MS, Vaillancourt DE, Wong JK. DEGAS, disease endophenotyping through graph and adjacency metrics: network biomarkers for Parkinson’s disease progression. npj Parkinsons Dis. 2026 Nov 18 [Epub ahead of print]. doi:10.1038/s41531-026-01602-6.確認の範囲:抄録のみ確認 - Machine learning-based plasma proteomics discovers biomarkers for the early diagnosis of Parkinson’s disease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。正確な診断と臨床的な層別に使える、信頼性が高く侵襲の少ないバイオマーカーはまだない。本研究の目的は、PD の診断と鑑別に役立つ血漿タンパク質バイオマーカーを特定することである。
参加者 391 人の血漿試料を、二段階のデザインで解析した。探索段階では、ラベルフリー定量プロテオミクスを用いた。PD 患者と健常対照の間で発現量の異なるタンパク質を特定し、続いて機能エンリッチメント解析を行った。機械学習による特徴量選択で、候補となるバイオマーカーパネルを導いた。検証段階では、選んだタンパク質を独立したコホートで酵素結合免疫吸着法(ELISA)により定量した。このコホートには、PD 患者、パーキンソン型多系統萎縮症(MSA-P)患者、健常対照が含まれる。診断性能は受信者動作特性(ROC)解析で評価し、臨床的特徴との関連も調べた。
プロテオーム解析で、発現量の異なるタンパク質が 121 個見つかった。これらは小胞輸送、酸化ストレス、オートファジーに関わる。LAMP1、APOD、VIM、CTSF、HEG1 からなる血漿タンパク質パネルは、PD と健常対照を高い性能で識別した。簡略化した組み合わせでは、PD と MSA-P を中程度に識別できた。選んだバイオマーカーは、認知機能と非運動症状の臨床尺度とも関連した。この結果は、PD の臨床評価に役立つ可能性を支持する。
掲載誌の IF 相当:8.0(OpenAlex の直近 2 年の平均被引用数・2026-10-20 時点の値、2026-10-21 に取得。正式な IF(Clarivate)ではない)書誌:Liu R, Kong Y, Fan L, Li L, yuan J, Zhang K, et al. Machine learning-based plasma proteomics discovers biomarkers for the early diagnosis of Parkinson’s disease. npj Parkinsons Dis. 2026 Nov 17 [Epub ahead of print]. doi:10.1038/s41531-026-01606-2.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
- AI-Assisted Follow-Up MRI Interpretation in Multiple Sclerosis: Radiology Residents’ Diagnostic Confidence and Performance抄録(全訳)
背景・目的:人工知能(AI)ツールは、日常の放射線診療で使われることが増えている。多発性硬化症(MS)患者の経過観察用磁気共鳴画像(MRI)の評価は難しい。本研究は放射線科専攻医 4 人を対象とした。MS 患者の経過観察 MRI を Pixyl.Neuro.MS® ソフトウェアを使って評価したとき、確信度がどう変わるかを調べることが目的である。
方法:後ろ向き研究で、MS 患者 78 例を対象とした。4 人の専攻医が、前回と今回の FLAIR 画像をそれぞれ独立に読影した。まず AI なしで読影し、その直後に AI 支援下で 2 回目の読影を行った。AI には、深層学習による病変セグメンテーションソフトウェア Pixyl.Neuro.MS® を用いた。読影者は各読影の後に所見と確信度を記録し、AI の影響と有用性を評価した。参照基準は、神経放射線科医と放射線科専攻医(経験 15 年と 4 年)の合議読影で決めた。解析には、対応のある比較と患者単位のブートストラップ信頼区間を用いた。ブートストラップ推論は、この 4 人の読影者を条件とした。
結果:参照基準では、新規病変のある患者は 24 例だった。読影者全体の平均正診率は 84.62% から 90.71% に上がった(差 6.09 パーセントポイント、95% ブートストラップ信頼区間 2.24〜10.26)。Holm 法で補正した後に正診率が有意に上がったのは、読影者 3 だけだった(P = 0.025)。通常の読影レポートとの正診率の比較は、補正後にはいずれも有意でなかった。確信度は全読影者で上がった(Holm 補正後 P はいずれも < 0.001)。感じた有用性は、病変量の群の間で有意な差がなかった。読影者は全員、AI の影響を主に肯定的と評価した。2 回目の読影段階は平均 59.35 秒短かった(95% ブートストラップ信頼区間 51.39〜67.07)。
結論:この 4 人の専攻医では、AI 支援による 2 回目の読影は、確信度と平均正診率の上昇と関連した。ただし、続けてすぐに読む設計なので、AI の寄与を画像への慣れや順序の効果と切り分けられない。また、2 回目の読影段階が短かったことから、業務全体の時間短縮が示されたとはいえない。
掲載誌の IF 相当:5.9(OpenAlex の直近 2 年の平均被引用数・2026-11-19 時点の値、2026-11-20 に取得。正式な IF(Clarivate)ではない)書誌:Mastilovic M, Tomlinson A, Traore WYM, Alkatheeri M, Romčević I, Boban J, et al. AI-Assisted Follow-Up MRI Interpretation in Multiple Sclerosis: Radiology Residents’ Diagnostic Confidence and Performance. Diagnostics. 2026 Nov 18;16(22):3866. doi:10.3390/diagnostics16223866.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。