AIと希少疾病 ── 基盤（総論） ── 2026-10-17
基盤（総論） 1 本。筆頭: 大規模言語モデルを用いて臨床記録から希少疾患の表現型を抽出し、整理する、一貫した人工知能フレームワークである
希少疾病の診断と創薬の基盤とAI
- An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models抄録（全訳）
希少疾患の診断では、表現型を整理すること（フェノタイピング）が基本になる。しかし、臨床記録から構造化された表現型を人手でまとめるには手間がかかり、規模を広げにくい。
既存の人工知能（AI）の手法は、フェノタイピングの個々の工程を最適化するものである。既存の手法は、この全工程を実運用できる形にまとめたものではないことが多い。工程全体とは次の三つを指す。
- 臨床テキストから特徴を抜き出す。
- それをヒト表現型オントロジー（HPO）の用語に標準化する。
- 希少疾患に関係する HPO 用語に優先順位を付ける。
著者らは、希少疾患フェノタイピングを最初から最後まで通して行う AI フレームワーク RARE-PHENIX を開発した。RARE-PHENIX は次の三つの要素からなる。
- 大規模言語モデルによる表現型の抽出
- オントロジーに基づく HPO 用語への標準化
- 教師あり学習による HPO 用語の順位付け
学習には、Undiagnosed Diseases Network（未診断疾患ネットワーク）の 11 臨床施設の患者 2671 人のデータを使った。外部検証には、Vanderbilt University Medical Center の患者 143 人の実臨床記録 16,357 件を使った。
結果から、次の三点が示唆された。
- RARE-PHENIX は、構造化され優先順位の付いた HPO 用語を出力でき、その内容は臨床医が整理したものとよく一致する。
下流での疾患の優先順位付けに役立つ可能性のあるシグナルも示された。
実臨床で、人が判断に関わる形の希少疾患の表現型解析を支援できる可能性がある。
掲載誌の IF 相当：13.7（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）書誌：Shyr C, Hu Y, Tinker RJ, Cassini TA, Byram KW, Hamid R, et al. An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models. npj Digit Med. 2026 Oct 15 [Epub ahead of print]. doi:10.1038/s41746-026-03275-0.確認の範囲：抄録のみ確認