AIと希少疾病 ── 希少な血液疾患 ── 2026-10-19
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
- ThaCoder: an explainable deep learning framework for thalassemia screening using routine complete blood count: a multi-center validation study.抄録（全訳）
【背景と目的】 サラセミアは今も世界的な公衆衛生上の課題である。確定診断には遺伝学的検査が要る。しかし費用が高く設備も必要なため、実施できる場は限られることが多い。本研究は、日常検査である全血球計算（CBC）の項目でサラセミアをスクリーニングする深層学習フレームワークの開発を目的とした。モデルは判断の根拠を解釈できる設計とし、外部施設のデータでも評価した。 【対象と方法】 内部の導出コホートの CBC 記録 2317 件を使い、2 段階の解析構成をとった。第 1 段階では、バリマックス回転による探索的因子分析（EFA）で、連続変数 9 項目を 3 因子にまとめた。これで低次元の表現が得られ、赤血球指数どうしの多重共線性が弱まった。第 2 段階では、3 つの潜在因子に性別を加えた 4 次元の特徴量を深層ニューラルネットワーク（DNN）に入力した。DNN は、ベイズ探索とグリッド探索を組み合わせた 2 段階の探索で最適化した。判定閾値はアウトオブフォールド予測に基づいて選んだ。確定したモデルと運用閾値は、独立した外部 4 施設（N = 1442）で評価した。その際、再学習も閾値の選び直しもしていない。
結果：内部テストセットでは、受信者動作特性曲線下面積（AUROC）が 0.9598、特異度が 0.9337 であった。外部 4 施設での AUROC は 0.8771〜0.9439 であった。感度は全体で 0.8387 であった。ただしサイレントキャリア（無症候性α-サラセミア保因者）では 0.5270（39/74）にとどまった。感度は全体で 0.8387 だったが、サイレントα-サラセミア保因者では 0.5270（39/74）と、非サイレント保因者の 0.8692（226/260）より低かった。SHAP による解析では、モデルが学習した関連は、サラセミアの小球性・低色素性の表現型と整合していた。陽性の予測を主に左右したのは、平均赤血球容積（MCV）と平均赤血球ヘモグロビン量（MCH）の低下、および赤血球数の増加であった。医療経済シミュレーションも行った。有病率 10% を仮定した予備的な試算では、アルゴリズムによる振り分けで、遺伝学的検査への紹介と関連費用が約 76% 減る可能性が示唆された。ただし、今回選んだ閾値では、軽症の保因者の一部を見逃す。また、この推計は正式な経済評価ではない。
結論：このフレームワークは、統計的な特徴量設計と深層学習を組み合わせたものである。CBC をもとに、遺伝学的検査の前にリスクを層別化する手法（トリアージ）として使える。固定したモデルと運用閾値を、再学習せずに外部 4 施設で評価し、施設間の異質性も定量化した。ただし、絶対リスクの推定値を使うには、施設ごとに再較正する必要がある。
掲載誌の IF 相当：1.9（OpenAlex の直近 2 年の平均被引用数・2026-10-18 時点の値、2026-10-19 に取得。正式な IF（Clarivate）ではない）書誌：Su X, Lin Y, Wang K, Lin Y, Wu L, Jiang X, et al. ThaCoder: an explainable deep learning framework for thalassemia screening using routine complete blood count: a multi-center validation study. Clinica Chimica Acta. 2026 Oct [Epub ahead of print]. doi:10.1016/j.cca.2026.122912.確認の範囲：抄録のみ確認