AIと希少疾病 ── 2026-10-16

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（2） · 腎・肝・消化器（1） · 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

• Medav-Gaussian フィルタと Pyramid Shepard CNN による鎌状赤血球症の分類
  Sickle cell disease classification using Medav-Gaussian filter and Pyramid Shepard CNN
  Scientific Reports · 2026-10-13 · 証拠の段階: 画像分類モデルの開発研究（外部検証なし）
  抄録（全訳）

  鎌状赤血球症（SCD）は健康に深刻なリスクをもたらす。有効な治療には、正確な分類が必要である。SCD ではヘモグロビン遺伝子が変異し、赤血球（RBC）が鎌のような形に変わる。そのため酸素がうまく運ばれず、血管が詰まる。しかし、血液塗抹標本の画像から SCD を正確に分類するのはまだ難しい。画像にノイズがあり、RBC の形がまちまちで、細胞どうしが重なるためである。

  本研究はこれらの課題に対し、深層学習（DL）による手法 Pyramid Shepard 畳み込みニューラルネットワーク（PShCN-Net）を作った。血液塗抹画像から SCD を分類する手法である。最初の処理では、Medav-Gaussian（MG）フィルタで画像のノイズを除く。次に、Tsallis エントロピーに基づく閾値処理で細胞を切り分ける（セグメンテーション）。モデルの頑健性を高めるため、画像の水増し（オーグメンテーション）を行う。そのうえで、幾何学的な特徴と一次統計量の特徴を抽出する。分類には、提案する PShCN-Net を用いる。PShCN-Net は、精度を高めるために PyramidNet と Shephard 畳み込みニューラルネットワークの構造を組み合わせたモデルである。

  学習データの 90% で評価したところ、PShCN-Net の成績は次のとおりであった。正解率 91.945%、真陽性率 93.235%、真陰性率 92.345%、適合率 91.437%、F1 スコア 92.327%、偽陽性率 7.655%、偽陰性率 6.765%。今後は、より大規模で多様な多施設の血液塗抹画像データセットで PShCN-Net を検証する。汎用性と臨床での適用可能性をさらに評価するためである。

  掲載誌の IF 相当：5.2（OpenAlex の直近 2 年の平均被引用数・2026-10-06 時点の値、2026-10-07 に取得。正式な IF（Clarivate）ではない）
  書誌：Ponnada S, Majji R, Rout AK, Selvaraju S. Sickle cell disease classification using Medav-Gaussian filter and Pyramid Shepard CNN. Sci Rep. 2026 Oct 13 [Epub ahead of print]. doi:10.1038/s41598-026-75109-8.
  確認の範囲：抄録のみ確認

希少な血液疾患の論文をすべて見る（1 本）→

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

• 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

循環器・呼吸器の論文をすべて見る（2 本）→

希少な腎・肝・消化器疾患の治療・治験とAI

• DU-KAN：小児 IgA 腎症のデジタル病理における Oxford MEST-C 評価のための、二重領域強化型深層学習フレームワーク
  DU-KAN: A Dual-Domain Enhanced Deep-Learning Framework for Digital Pathology-Based Oxford MEST-C Assessment in Pediatric IgA Nephropathy
  Bioengineering · 2026-10-13 · 証拠の段階: 単施設データによるモデル開発と内部検証（40 例の探索的評価、外部検証なし）
  抄録（全訳）

  小児の免疫グロブリン A 腎症（IgAN）の Oxford MEST-C 評価は、複雑な腎生検組織の構造に対する病理医の解釈に依存している。自動セグメンテーションは標準化された定量化を支援しうるが、スケールの変動、不明瞭な境界、小さな病変が課題となる。自動セグメンテーションは、定量の標準化に役立つ可能性がある。ただし、構造の大きさのばらつき、境界の不明瞭さ、病変の小ささが課題となる。

  著者らは DU-KAN を開発した。段階ごとに調整した U-KAN フレームワークである。エンコーダは、浅い畳み込みと MaxViT の二系統からなる。著者らは、浅い畳み込みと MaxViT の二分岐エンコーダに、適応させた異種特徴の融合と、ウェーブレットとプロトタイプによるスキップ接続の強化を組み合わせた、段階適応型 U-KAN フレームワークの DU-KAN を開発した。データは、単施設の過ヨウ素酸シッフ（PAS）染色画像 532 枚（小児 278 人）で、患者単位で分割した。

  学習に使わなかったテストセット（55 人）で、背景を含む 8 クラスの平均 Dice は 69.58% であった（患者単位ブートストラップによる 95% 信頼区間 66.23〜71.91）。U-KAN との差は 3.56 パーセントポイントであった（95% 信頼区間 1.90〜5.26）。前景の平均 Dice は 65.42% であった。Synapse 腹部 CT ベンチマークでは、8 臓器の平均 Dice が 87.21% であった。この結果は、別のタスクにもモデル構造が汎化することを支持する。ただし、小児 IgAN での外部検証ではない。

  さらに、セグメンテーションの出力を症例単位に集約し、MEST-C に関連する指標を出した。40 例の探索的評価で、評価した 5 指標すべてが一致した症例は 65.00%（26/40）であった。感度は E で 37.50%（3/8）、T で 50.00%（1/2）であった。T の一致率は 97.50% であったが、これは主に陰性例が大半を占めたことによる。陽性例を確実に検出できることを示したものではない。

  DU-KAN は、内部データでのセグメンテーション性能を高め、病理所見を構造的に定量できる。腎病理医が臨床判断をするときの、補助的な参考になりうる。

  掲載誌の IF 相当：5.4（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：Fu J, Cui H, Zhu Y, Gao T, Zhang P, Gao C. DU-KAN: A Dual-Domain Enhanced Deep-Learning Framework for Digital Pathology-Based Oxford MEST-C Assessment in Pediatric IgA Nephropathy. Bioengineering. 2026 Oct 13;13(10):1191. doi:10.3390/bioengineering13101191.
  確認の範囲：抄録のみ確認

腎・肝・消化器の論文をすべて見る（1 本）→

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。