生物学的に情報化されたグラフニューラルネットワークによる中枢神経系の説明可能な薬剤副作用予測

なぜ見えにくい薬のリスクが重要なのか

脳に有益な多くの薬は、同時に静かに害を与えることがあります。めまい、混乱、けいれん、抑うつなどは、薬が広く使用されて初めて現れることがあります。従来の実験室や臨床試験は、特に中枢神経系に関しては、承認前にあらゆる問題を見つけるには時間と費用がかかりすぎます。中枢神経系の副作用は微妙でありながら人生を左右することがあります。本研究は、大規模な生物学的データセットを横断的に読み取り、脳関連の副作用を早期に警告するとともに、それらを引き起こす可能性のある分子イベントの連鎖を示す新しい計算モデルを紹介します。

薬と症状をつなぐ点を結ぶ

研究者らは、薬、 副作用、遺伝子、遺伝子機能という4種類の要素を結ぶ大規模な「知識地図」を構築しました。この地図では各項目が点で表され、点と点の間の線は関係を示す証拠を表します。たとえば物理的に相互作用する二つの遺伝子、化学構造が似ている二つの薬、ある薬が特定の副作用を引き起こすことが知られているといった関係です。中枢神経系の訴えは一般的であり見落とされがちであるため、チームは気分変化、運動障害、その他の神経学的症状といった脳関連の問題にこの地図を重点的に適用しました。

生物学を学ぶ賢いネットワーク

この地図の上に、著者らはグラフニューラルネットワークという特殊な人工知能を設計しました。標準的なモデルが各薬を孤立して見るのとは異なり、この手法は各薬と副作用の周囲にある接続の網を調べます。HHAN‑DSIと呼ばれるこのモデルは「生物学的に情報化」されており、情報は生物学的に意味のある経路に沿ってのみ伝わるようになっています。たとえば、直接相互作用する遺伝子から別の遺伝子へ、遺伝子からそれを標的とする薬へ、そして類似薬で観察された副作用へという経路です。最も情報量の多い経路に重みを置くことで、システムは各薬と各副作用のコンパクトな数理的フィンガープリントを学習し、任意の組み合わせが結びつく可能性をスコア化します。

モデルを試す

これらの予測が現実と一致するかを確かめるため、チームは製品情報に記載された副作用を精選したデータベースでモデルを訓練し、これを元データおよび別の市販後安全性報告のセットに対して検証しました。後者の外部報告は薬が広く使用された後に浮上した問題を捉えます。モデルは薬–副作用の真の組み合わせと偽の組み合わせを区別しただけでなく、より重要なのは、最も懸念される副作用をリストの上位にランク付けした点です。特に新薬でデータが乏しい場合に典型的な状況で、いくつかの既存の機械学習手法よりこのランキング課題で優れていました。精選データベースに予測された副作用が欠けているためにモデルが「間違っている」ように見える多くのケースでは、同じ薬–症状の結びつきが実世界の安全性報告に現れており、モデルが見落とされたリスクを検出していたことを示唆しています。

ブラックボックスの内部をのぞく

重要な目的は、問題を予測するだけでなくそれを説明することでした。著者らはモデルが具体的な例で使用した最も影響力のある接続の連鎖をたどりました。麻酔薬であり抗うつ薬でもあるケタミンについて、システムは幻覚や抑うつを示唆する遺伝子ネットワークや関連薬群を強調しました。これらの経路にはドーパミンやセロトニンシグナル伝達に結びつく遺伝子ファミリー、免疫やホルモン経路、そして類似の標的を持ち類似の問題の症例報告がある薬が含まれていました。モデルが強調した遺伝子を分析したところ、これらは脳機能や精神症状の形成に既に知られているプロセスに強く富んでおり、説明が恣意的ではなく生物学的に意味のあるものであることを補強しました。

患者と将来の薬にとっての意味

平たく言えば、本研究は既存の生物学的および安全性データを用いて脳関連の副作用に対する早期警告システムを構築し、なぜその警告が出るのかを示すことが可能であることを示しています。HHAN‑DSIは医師や臨床試験に取って代わることを意図するものではなく、むしろ研究者や安全性専門家が特に経験の少ない新薬について調査・監視すべき潜在的副作用を優先するのに役立てることを目的としています。薬と望ましくない症状を結ぶ分子経路に光を当てることで、このアプローチはより安全な薬の設計、より的を絞った監視、そして最終的には脳に作用する治療を頼る患者の保護向上につながる可能性があります。

引用: Huang, T., Lin, KH., Machado-Vieira, R. et al. Explainable drug side effect prediction in central neural system via biologically informed graph neural network. Transl Psychiatry 16, 205 (2026). https://doi.org/10.1038/s41398-026-03971-1

キーワード: 薬剤の副作用, 中枢神経系, グラフニューラルネットワーク, ファーマコビジランス, 説明可能なAI