網膜疾患診断のためのAIアシスタントが試験で良好な結果
Nature Medicine に掲載された多施設ランダム化試験は、人工知能ベースの臨床意思決定支援システムが、疑われる遺伝性網膜疾患の診断性能を有意に改善したと報告している。これらは、日常診療で迅速かつ正確に分類するのが難しい疾患群である。
Retina4IRD と呼ばれるこのシステムは、網膜画像から有力な遺伝子型カテゴリーを予測するために設計された。試験では、このツールを使用した専門医は、使用しなかった専門医よりも top-5 の遺伝子予測精度が大幅に高かった。この結果は、網膜疾患では確定診断に至る前に、詳細な表現型評価、学際的な解釈、遺伝学的検査がしばしば必要になるという、眼科における長年のボトルネックに対応するものだ。
遺伝性網膜疾患、すなわち IRDs は単一の病気ではなく、網膜に影響する遺伝性疾患の総称である。臨床像が重なり合うため、医師はしばしば複数の種類の証拠を組み合わせて、可能性の高い原因を絞り込む必要がある。この過程は時間がかかり、資源を多く消費し、診療環境によってばらつきが生じやすい。とくに高度な専門知識が限られている場合、その傾向は強い。
Retina4IRD はどのように構築されたか
研究によると、Retina4IRD は網膜画像から 17 の遺伝子型カテゴリーを予測する。研究チームは、RETFound で事前学習した Vision Transformer アーキテクチャを用いてモデルを開発し、中国、韓国、ポーランドの遺伝学的に確定した患者から得たマルチモーダル画像データで学習と検証を行った。
データセットには、遺伝学的に確定した 1,843 人の患者のカラー眼底写真と光干渉断層計スキャンが含まれ、合計 3,376 眼に相当した。この国際的な学習・検証セットは重要である。というのも、IRD の診断は疾患の多様性だけでなく、施設ごとの撮像実践の違いにも左右されるからだ。したがって、外部検証での性能は、そのシステムが構築元の施設を超えて使えるかを確かめる重要な試験となる。
内部検証では、モデルの top-5 予測精度は 0.904 で、95% 信頼区間は 0.896 から 0.912 だった。外部検証では、top-5 精度は 0.856 で、95% 信頼区間は 0.850 から 0.863 だった。これらの数値は、開発環境外で評価してもモデルが高い性能を維持したことを示唆するが、内部試験よりは予想どおりの低下が見られる。
研究はこのツールを、臨床判断や遺伝子シーケンスの代替ではなく、診断の初期段階で最も可能性の高い遺伝的説明をより早く優先付けするのに役立つ意思決定支援システムとして位置づけている。
ランダム化試験で専門医の成績向上
論文で最も強い証拠は、IRD が疑われる 300 人の参加者を対象にしたランダム化比較試験から得られている。参加者は 1:1 で Retina4IRD 支援ありの専門医群、または専門医のみの群に割り付けられた。登録者のうち 295 人には次世代シーケンスの結果があり、最終解析に含まれた。
解析対象者の年齢中央値は 33 歳で、114 人、つまり 38.6% が女性だった。研究の主要評価項目は達成された。AI 支援ツールを使った専門医の top-5 遺伝子精度は 88.5% で、専門医のみの群の 67.3% を上回り、この差は P 値 0.001 未満で統計学的に有意と報告されている。
論文では、top-1 から top-4 までの精度を扱う副次評価項目もすべて Retina4IRD 支援群に有利だったと述べている。これらを総合すると、システムは単に長い候補リストに選択肢を追加しただけではなく、予測の順位付け全体の質を高め、最も妥当な遺伝子カテゴリーが上位に来やすくなったことを示唆している。
この違いは実臨床で重要である。画像からより少なく、より質の高い有力遺伝子型候補を特定できれば、その後の検査や解釈はより焦点化できる。遺伝学的検査能力が限られる環境では、より良い初期トリアージ信号が専門家の時間配分を効率化する助けになる。
この結果が変えうること
この論文の重要性は、提示している証拠の種類にある。多くの医療 AI 研究は後ろ向き検証で止まり、アルゴリズムを過去データで試すだけで、実際のあるいは準実時間の臨床ワークフローでは評価していない。今回、研究者らは AI 支援ありとなしの専門医をランダム化比較することで、さらに一歩進めた。
ただし、それで導入上の論点がすべて解決するわけではない。提供された研究文では、Retina4IRD が独立して最終診断を確立すると主張しておらず、遺伝子検査を省略できるとも述べていない。むしろ結果は、希少疾患医療における AI のより現実的な短期的役割を示している。つまり、現在は限られた専門知識と時間のかかるレビューに依存している診断の現場で、意思決定支援を改善することだ。
国境を越えた開発データセットは、より大きな野心も示唆する。IRD は非常に稀なため、頑健な学習データを集めるのは難しく、臨床的に意味のある差異を捉えるには国際協力がしばしば必要になる。今後の研究で、より広い集団や医療システムで同様の結果が確認されれば、網膜画像モデルは画像取得と分子レベルの確定診断のあいだで、ますます重要な層になるかもしれない。
現時点での要点は明快だ。ランダム化された多施設環境において、AI ベースの支援システムは、疑われる遺伝性網膜疾患の背後にある遺伝子カテゴリーを専門医が予測する能力を実質的に高めた。診断の遅れが治療方針、遺伝カウンセリング、将来の遺伝子標的介入への適格性に影響しうる分野では、これは重要な前進である。
この記事は Nature Medicine の報道に基づいています。元記事を読む。
Originally published on nature.com
