AIと希少疾病 ── 2026-10-15
希少疾病(神経とがんを除く)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」「8 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: 基盤(総論)(0) · 先天代謝異常症(0) · 遺伝性症候群・小児(0) · 希少な血液疾患(1) · 免疫・膠原病(0) · 循環器・呼吸器(1) · 腎・肝・消化器(0) · 皮膚・骨(0)
希少疾病の診断と創薬の基盤とAI
この号では、新しい該当論文はありませんでした。
先天代謝異常症(ライソゾーム病・ミトコンドリア病など)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。
遺伝性の症候群・小児の希少疾病の治療・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。
希少な血液疾患(血友病・鎌状赤血球症など)の治療・治験とAI
- Hybrid multi-model framework with knowledge distillation for precise and efficient sickle cell detection.抄録(全訳)
鎌状赤血球を正確かつ速やかに検出できれば、患者の治療に大きく役立つ。医療資源の乏しい環境では、機器上でその場でリアルタイムに判定できる仕組みが求められる。そのためには、軽量で計算資源をあまり使わないコンピュータビジョンシステムの開発が重要である。
本研究は、鎌状赤血球を検出するハイブリッド型のフレームワークを提案する。中心となるのは、知識蒸留(KD)で学習させた二つの軽量な畳み込みニューラルネットワーク(CNN)である(Bi-lightweight KD-guided CNNs)。この二つの生徒モデルは、それぞれ別の教師ネットワークから学習させた。これらを機械学習(ML)の分類器と組み合わせ、鎌状赤血球を正確かつ効率よく識別する。
軽量モデルには深さ方向分離可能畳み込み(depthwise separable convolution)層を使い、モデルの複雑さを大幅に下げた。さらに、MobileNetV2 や DenseNet121 など性能の高い教師ネットワークから知識を取り出し、軽量モデルを改善した。この知識蒸留の学習手法を使うと、計算の複雑さを増やさずに軽量モデルの表現力を高められる。
判定の性能を上げるため、蒸留済みの二つの生徒モデルを、従来型の機械学習である k 近傍法(KNN)分類器と組み合わせた。こうして作ったハイブリッドアンサンブルは、KD で学習した二つの CNN による特徴抽出と、ML による分類の両方の利点をあわせ持つ。
システムの学習と検証には Sickle Cell Disease Dataset を用いた。学習を終えた生徒モデルは、計算の複雑さをさらに下げるため、Float32 量子化で TensorFlow Lite(TFLite)形式に変換した。
KD で学習した二つの CNN モデルと KNN 分類器を組み合わせたハイブリッドモデルは、分類精度 95.45%、F1 スコア 95.02% と高い性能を示した。モデルのサイズは 3.96 MB と小さい。計算資源の限られた Raspberry Pi 4 Model B に実装して評価したところ、エッジ機器上でのリアルタイム判定やポイントオブケア(診療現場での検査)に使える可能性が示された。
掲載誌の IF 相当:5.0(OpenAlex の直近 2 年の平均被引用数・2026-10-13 時点の値、2026-10-15 に取得。正式な IF(Clarivate)ではない)書誌:Reddy MMK, Lathvik CK, R AA, K K. Hybrid multi-model framework with knowledge distillation for precise and efficient sickle cell detection. Front Digit Health. 2026 Sep 29;8:1938284. doi:10.3389/fdgth.2026.1938284.確認の範囲:抄録のみ確認
自己炎症・免疫不全・希少な膠原病の治療・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。
希少な循環器・呼吸器疾患の治療・治験とAI
- Absolute and lung volume-normalized deep learning-derived pulmonary vascular measures in idiopathic pulmonary fibrosis: distinct clinical associations and the role of lung volume in prognosis.抄録(全訳)
はじめに:特発性肺線維症(IPF)は経過の予測が難しく、予後も悪い。肺機能にもとづくリスク層別化は、まだ十分ではない。深層学習で CT から算出する肺血管指標には、絶対値と肺容積で補正した値がある。この二つで、IPF 患者の重症度や死亡との関連が異なるかどうかは分かっていない。
方法:2 施設の後ろ向き研究である。新たに IPF と診断された成人 118 例を対象とした。内訳はイタリアのコホート 57 例、フランスのコホート 61 例である。 ベースラインの胸部 CT は、深層学習による定量解析パイプラインで解析した。このパイプラインでは、肺実質の指標と肺血管の指標を組み合わせて算出する。肺実質の指標は全肺容積(WLV)と線維化の範囲である。肺血管の指標は総血液量(TBV)と、そこから導いた BV 5 と BV >10 である。BV 5 と BV >10 は、断面積 10 mm² の血管を表す指標である。 肺疾患のない 20 例を比較群とした。線維化との関連はピアソン相関で評価した。死亡との関連は多変量 Cox ハザードモデルで、肺機能の経時変化は線形混合効果モデルで評価した。さらに追加のモデルで、WLV を考慮したうえで血管指標が予後と関連するかを調べた。
結果:対照群と比べ、IPF 患者では WLV が小さく、TBV の絶対値が大きかった。WLV で補正した相対 TBV は、線維化と強く相関した。一方、TBV の絶対値と線維化との関連はより弱かった。補正した血管指標は、ベースラインの肺機能と逆相関した。一方、TBV の絶対値には有意な関連を認めなかった。 ベースラインの TBV、BV 5、BV >10 から、努力肺活量(FVC)や肺一酸化炭素拡散能の推移は予測できなかった。ただし、WLV が大きいほど、その後の FVC が良好に推移すると予測された。 追跡期間の中央値は 7.8 年で、この間に 72 例が死亡した。確立した臨床変数で調整した多変量モデルでは、次の指標が高いほど死亡が少ないという関連を認めた。TBV の絶対値、下葉の BV、BV 5、BV >10、WLV である。補正した TBV では、この関連はみられなかった。 これらの結果は、肺容積と肺血管容積が保たれていることが生存の改善と関連する可能性を示唆する。ただし、WLV でさらに調整すると、血管指標の絶対値と死亡との関連は大きく弱まった。
結論:肺血管指標の補正値と絶対値は、IPF の異なる側面をとらえている。補正値は、線維化の程度や機能障害と関連した。血管容積の絶対値は死亡と関連したが、WLV を考慮するとこの関連は大きく弱まった。このため、血管容積の絶対値は独立した予後因子ではなく、保たれた肺容積を一部反映しているだけの可能性がある。前向きの検証が必要である。
掲載誌の IF 相当:2.6(OpenAlex の直近 2 年の平均被引用数・2026-10-13 時点の値、2026-10-15 に取得。正式な IF(Clarivate)ではない)書誌:Rea G, Sanduzzi Zamparelli S, Mazzocca A, Lieto R, Bruzzese D, Crestani B, et al. Absolute and lung volume-normalized deep learning-derived pulmonary vascular measures in idiopathic pulmonary fibrosis: distinct clinical associations and the role of lung volume in prognosis. Front Med. 2026 Sep 29;13:1833470. doi:10.3389/fmed.2026.1833470.確認の範囲:抄録のみ確認
希少な腎・肝・消化器疾患の治療・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。
希少な皮膚・骨の疾患の治療・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。