AIと希少疾病 ── 循環器・呼吸器 ── 2026-10-16

対象誌と選び方は索引の頁に

希少な循環器・呼吸器疾患の治療・治験とAI

• 特発性肺動脈性肺高血圧症と悪性胸膜中皮腫に共通する分子シグネチャー：機械学習、分子ドッキング、実験的検証による研究
  Machine learning, molecular docking, and experimental validation identify shared molecular signatures between idiopathic pulmonary arterial hypertension and malignant pleural mesothelioma: a retrospective study
  Frontiers in Genetics · 2026-10-14 · 証拠の段階: 後ろ向きの観察（公開トランスクリプトームデータの計算解析と小規模な qRT-PCR 検証、仮説生成）
  抄録（全訳）

  背景：特発性肺動脈性肺高血圧症（IPAH）には、がんに似た特徴がある。しかし、発症の仕組みはまだ分かっていない。IPAH と悪性胸膜中皮腫（MPM）は分子レベルで似ている。そこで本研究は、両疾患に共通するトランスクリプトームのパターンを明らかにすることを目的とした。

  方法：IPAH と MPM の GEO データセットを解析した。両疾患で重なる発現変動遺伝子（DEG）と、重み付け遺伝子共発現ネットワーク解析（WGCNA）のモジュールを特定した。タンパク質間相互作用（PPI）ネットワーク解析に LASSO、ランダムフォレスト、SVM-RFE を組み合わせ、バイオマーカー候補遺伝子を特定した。分類モデルを作り、一つ抜き交差検証（LOOCV）とブートストラップによる楽観バイアス補正で評価した。免疫細胞の浸潤は ssGSEA で評価した。候補標的タンパク質への薬剤の結合は、分子ドッキングと分子動力学（MD）シミュレーションで評価した。バイオマーカー候補遺伝子の発現は、qRT-PCR で確かめた。

  結果：IPAH と MPM の両方でそろって発現が上がった DEG は 6 個、そろって下がった DEG は 11 個であった。発現が上昇した遺伝子は細胞周期の調節に、発現が低下した遺伝子は好中球の走化性に濃縮していた。WGCNA では 58 個の遺伝子が重なった。バイオマーカー候補遺伝子として、CXCR2、S100A9、LCN2 を特定した。症例と対照の比は不均衡であった。ROTS による感度分析では、症例と対照の比が不均衡であるにもかかわらず、MPM の DEG 1710 個のすべてに再現性があった。一致する FDR <0.05 の閾値のもとで、変動の方向も一致していた。 分類モデルの AUC は、学習セットで 0.909、外部検証セットで 0.875 であった。LOOCV での AUC は 0.879、楽観バイアス補正後の AUC は 0.896 であった。免疫浸潤の解析では、IPAH で Th17 細胞が増え、好中球が減っていた。CXCR2 と S100A9 の発現は、好中球の浸潤と相関した。LCN2 の発現は、代謝リプログラミングと相関した。CXCR2 に最も強く結合したのは Navarixin であった（−10.1 kcal/mol）。MD シミュレーションでも、CXCR2-Navarixin 複合体の結合は安定していた。qRT-PCR では、IPAH 患者で 3 遺伝子すべての発現が有意に低下していた。

  結論：本研究は、仮説の生成を目的とする研究である。IPAH と MPM に共通するトランスクリプトームのシグネチャーを見つけた。CXCR2、S100A9、LCN2 は、免疫調節の異常と代謝リプログラミングに関わるバイオマーカー候補である。ただし、これらの知見は計算と相関の解析に基づく。外部検証コホートの規模も限られている。臨床応用を検討する前に、機能実験で確かめる必要がある。より大規模で独立した多施設コホートでの検証も必要である。

  掲載誌の IF 相当：3.0（OpenAlex の直近 2 年の平均被引用数・2026-10-15 時点の値、2026-10-16 に取得。正式な IF（Clarivate）ではない）
  書誌：Zhang N, Wang C, Wang R, Guo X, Yu J, Wang J, et al. Machine learning, molecular docking, and experimental validation identify shared molecular signatures between idiopathic pulmonary arterial hypertension and malignant pleural mesothelioma: a retrospective study. Front Genet. 2026 Oct 14;17:1894027. doi:10.3389/fgene.2026.1894027.
  確認の範囲：抄録のみ確認
• IPF-RAG：特発性肺線維症の長期診療に向けた、時間情報を考慮する検索拡張生成
  IPF-RAG: temporal-aware retrieval-augmented generation for idiopathic pulmonary fibrosis care
  Frontiers in Digital Health · 2026-10-14 · 証拠の段階: AI システムの開発と評価研究（患者 58 例の経過データ、内部・外部データセットで評価）
  抄録（全訳）

  特発性肺線維症（IPF）は長期の経過が複雑で、データも断片的かつ非構造化である。このため、患者一人ひとりに合わせた臨床管理が難しい。大規模言語モデル（LLM）と検索拡張生成（RAG）は、臨床の意思決定支援で有望とされる。しかし、今の手法には、病気の進行という動的な変化に対応しにくいという課題がある。これは、知識コーパスが静的であり、時間への認識を欠き、意味的なノイズやハルシネーションの影響も受けやすいためである。

  この課題に対し、IPF-RAG を提案する。IPF-RAG は、IPF の長期診療のための、時間情報を考慮した RAG フレームワークである。厳選した 58 人の患者の経過データセットを基盤とし、二つの中核モジュールで構成される。時間検索モジュール（Temporal Retrieval Module）は、意味的な照合に、時間を考慮した根拠の固定（アンカリング）を加え、病状の進行と医療指示との時間的な関連を確立する。これにより、病気の進行と医療指示を時間軸の上で関連づける。二つ目の構造化強化モジュール（Structured Enhancement Module）は、この時間に関する知識を構造化プロンプトに組み込む。そのうえで医学的な論理の制約をかけ、LLM が根拠に基づいて推論するよう導く。

  内部と外部のデータセットで実験し、自動評価と臨床専門家による評価を行った。その結果、IPF-RAG を使うと、LLM が作る治療計画の質が複数の観点で向上した。これらの結果は、提案手法が、複雑な慢性疾患の臨床意思決定で LLM を効果的に支援することを示す。

  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：Zheng X, Rui X, Long T, Wang L, Lv Z, Wang J, et al. IPF-RAG: temporal-aware retrieval-augmented generation for idiopathic pulmonary fibrosis care. Front Digit Health. 2026 Oct 14;8:1883739. doi:10.3389/fdgth.2026.1883739.
  確認の範囲：抄録のみ確認

← この号の目次へ