AIと希少疾病 ── 基盤（総論） ── 2026-10-08
希少疾病の診断と創薬の基盤とAI
- Artificial intelligence-powered renal pathology for glomerular disease classification: a systematic review and meta-analysis抄録（全訳）
糸球体疾患（GD）は、病型によって診断の成績が異なる。人工知能（AI）が、経験の異なる病理医よりも優れているかどうかはまだ分かっていない。本研究の目的は、病理画像に基づくGD分類のAIモデルを評価し、その性能を病理医と比べることである。PubMed、Embase、Web of Science、Cochrane Library を2026年7月15日まで検索した。病理画像を用い、病理診断を参照基準とした研究を組み入れた。感度、適合率、正確度、F1スコア、曲線下面積（AUC）は変量効果モデルで統合した。組み入れたのは15件の研究で、検証サンプル単位は計39,536であった。この数は、必ずしも個々の患者数とは一致しない。検証データセットが10以上ある病型では、AIは高い性能を示した。
- 膜性腎症（MN）：感度 0.96、適合率 0.94、正確度 0.96、F1スコア 0.95、AUC 0.98
- IgA腎症（IgAN）：感度 0.92、適合率 0.91、正確度 0.94、F1スコア 0.90、AUC 0.96
- 微小変化型ネフローゼ症候群（MCD）：感度 0.92、適合率 0.87、正確度 0.96、F1スコア 0.89、AUC 1.00
IgAN、MN、MCDでは、AIの正確度はシニア病理医よりも高かった。ただし、病理医と比べたエビデンスは乏しく、慎重に解釈する必要がある。組み入れた研究の大半は後ろ向きであった。データセット、画像モダリティ、モデルの構造、検証の方法のいずれにも、大きな異質性がみられた。病理画像に基づくAIは、GDの分類に有望である。一方、病理医より優れていると結論づけるには、現時点の直接比較のエビデンスでは足りない。シニア病理医との比較では、特にそうである。マルチモーダルな臨床データを統合し、外部検証を標準化した多施設共同の前向き研究が必要である。
既知の事項：腎病理画像に基づくAIは、糸球体疾患の分類を支援するために開発が進んでいる。
本研究で新たに分かったこと：このシステマティックレビューでは、病理画像AIモデルの研究を統合した。性能は、検証の状況や研究間のばらつきとの関連で評価した。
想定される影響：これらのモデルは、病理医が監督する下で、再現性のあるスクリーニングと定量的な評価を支援しうる。ただし、多施設共同の前向き検証はまだ必要である。
AIは腎生検画像の解析を助けることができる。15件の研究では、AIモデルは複数の糸球体疾患で高い性能を示すことが多かった。対象は、膜性腎症、IgA腎症、微小変化型ネフローゼ症候群を含む複数の糸球体疾患である。ただし、研究の大半は後ろ向きであった。画像の取得方法や検証のデザインも研究ごとに異なっていた。そのため、この結果は意思決定支援に向けた有望なエビデンスとみるべきである。AIが病理医に取って代われることの証明とみるべきではない。
掲載誌の IF：不明（照合できず）書誌：[No authors listed]. Artificial intelligence-powered renal pathology for glomerular disease classification: a systematic review and meta-analysis. Figshare. [Epub ahead of print]. doi:10.6084/m9.figshare.34120440.確認の範囲：抄録のみ確認