背景

高齢化社会の到来に伴い、退行性脳疾患であるアルツハイマーよう（Alzheimer's Disease, AD）患者が急増しています。認知機能が失われる前に疾患を検出する早期診断は、患者の生活の質を保つ上で重要な役割を果たします。現在の臨床では、陽子放出断層撮影（Positron Emission Tomography, PET）や脳脊髄液検査を診断ツールとして用いていますが、検査費用が高く、放射性物質の注入や脊髄穿刺による痛みなどの制約により、患者のアクセス性が低下しています。その代替として、非侵襲的な磁気共鳴画像（Magnetic Resonance Imaging, MRI）分析が注目されています。しかし、肉眼で海馬の微細萎縮などの初期軽度認知障害（Mild Cognitive Impairment, MCI）の兆候を判断するのは容易ではありません。従来の人工知能（Artificial Intelligence, AI）ベースのモデルも、膨大な3次元脳画像情報を処理するために莫大な演算リソースを消費するという限界がありました。診療現場で即座に活用できる軽量かつ誤診率を減らす高性能アルゴリズムの登場が求められています。

核心的発見

国際学術誌ネイチャーに掲載された論文で、研究チームは畳み込みニューロンネットワーク（Convolutional Neural Network, CNN）を基盤とした判別アルゴリズムAlzheiNNを紹介しました。このモデルは、ADと密接に関連する海馬や側頭葉などの脳領域を重点的に追跡します。大規模な臨床データセットであるアルツハイマーよう神経画像イニシアチブ（Alzheimer's Disease Neuroimaging Initiative, ADNI）画像を用いて学習を完了しました。分類テストにおいて、AlzheiNNは正常認知（Cognitively Normal, CN）群とAD患者を96.8％の高い精度で区別しました。早期発見が難しいMCI患者をCN群と区別する作業でも88.5％の精度が得られました。診断の核心指標である感度95.2％と特異度97.1％は、誤診率を大幅に低下させる根拠となります。脳画像全体を無作為に分析する従来の手法とは異なり、空間的注意集中（Spatial Attention）メカニズムを備えた成果です。演算効率を最大化したため、診断にかかる時間は患者1人あたり4.8秒程度に過ぎません。他の環境で撮影された外部データセット（Open Access Series of Imaging Studies, OASIS）の分析でも精度低下幅は2％未満にとどまり、特定の装置や撮影条件に依存しない安定性を示しています。

意義と展望

AlzheiNNは、高価な装置や精密診断が制限された中規模・小規模病院でもMRI装置を活用してADの早期スクリーニング検査を普及させる基盤を築きました。初期段階の患者を早期に検出することで、治療のゴールデンタイムを先取り的に確保する狙いです。ただし学界では、人種や年齢層が異なる世界中の患者集団における精度の維持を今後の検証課題として挙げています。ゲノム情報や認知行動問診データなどの多モーダル（Multimodality）情報を組み合わせれば、スクリーニング能力はさらに向上すると予測されています。医療現場でのAI診断の法的責任基準の設定や認可取得も解決すべき条件として挙げられています。研究チームは、さまざまな医療機関と協力して実際の患者臨床データを基に安全性評価を進める予定であると説明しました。