説明可能なAIによるヒト膵臓組織解析が2型糖尿病の特徴を明らかにする

この研究が日常の健康にとって重要な理由

2型糖尿病は数億人に影響を及ぼしますが、インスリンを作る器官である膵臓の内部に病気を明確に示す物理的兆候を医師が目でとらえることは依然難しいままです。本研究は、高度な顕微鏡技術と組み合わせた強力な人工知能を用いて、肉眼では見えないヒト膵組織の微細なパターンを読み取ります。これにより、2型糖尿病に関連する新たな構造的特徴を明らかにし、診断・予防・治療の新たな方針を示唆します。

膵臓の内部をこれまでにない詳細で観察する

従来、研究者は亡くなった提供者からの膵組織を調べ、瘢痕化、脂肪沈着、インスリン産生細胞の減少など2型糖尿病に関連する変化を探してきました。こうした研究から多くの異常候補が挙がってきましたが、病理医が顕微鏡標本を見てその人が糖尿病だったと自信を持って断定できるほど信頼できるものはありませんでした。本研究では、研究者らは生存ドナーの手術中に採取された膵臓試料から構成された、独自の超高解像度画像コレクションを作成しました。対象は100名（2型糖尿病35名、非糖尿病65名）で、各試料は複数の染色法で処理され、ランゲルハンス島のホルモン産生細胞、血管、脂肪細胞、神経繊維など異なる細胞種が強調されています。この豊富な視覚データセットは人間が完全に処理するにはあまりにも複雑であり、まさに人工知能が得意とする領域です。

糖尿病膵臓を認識するようにAIを訓練する

研究チームは、2型糖尿病のある人とない人の組織を区別するために深層学習モデルを訓練しました。全スライド画像は数十億ピクセルを含むため、まずスライドを多数の小さなパッチに分割しました。事前学習済みのビジョントランスフォーマーが各パッチから特徴を抽出し、特殊な「マルチインスタンス学習」分類器がスライド内のすべてのパッチの情報を統合して、そのスライドが糖尿病ドナー由来か非糖尿病ドナー由来かを判定しました。過学習を避けるために繰り返しクロスバリデーションを用い、さらに15個の個別モデルの予測を平均化しました。最良の性能は、アルファ細胞・デルタ細胞・神経繊維を同時に強調する多重蛍光画像で得られ、曲線下面積（AUC）0.956に達しました。これは、病理医が形式化できなかった糖尿病関連パターンをAIが信頼性を持って“見分けられる”ことを強く示す結果です。

ブラックボックスを説明可能にする

しかし、単なる予測が目的ではなく、生物学的な洞察が求められました。そこで著者らは、モデルが判断時にどの領域やピクセルに依拠したかを示す説明可能なAI手法を適用しました。アテンションマップはスライド全体で最も影響力のある領域を浮かび上がらせ、寄与度推定法は個々の細胞や構造のレベルまで焦点を絞りました。これらの色分けヒートマップを数値化するために、研究チームは別個のセグメンテーションネットワークを訓練し、島（islet）、脂肪細胞クラスター、結合（線維化）組織を自動で輪郭抽出できるようにしました。次に、島の大きさ、総脂肪面積、脂肪クラスター数、島と近傍脂肪との距離、線維化組織の範囲などの特徴を定量化し、年齢、性別、体格指数（BMI）その他の臨床因子を考慮に入れつつ、これらの「組織学的バイオマーカー」が糖尿病状態やインスリン分泌とどのように関連するかを解析しました。

新たな手がかり：脂肪、神経、瘢痕、そして縮小する島

AIベースの解析は、糖尿病膵臓にいくつかの一貫した特徴を明らかにしました。2型糖尿病患者は島が小さく、膵臓内の脂肪細胞クラスターが大きい傾向がありました。重要なのは、糖尿病ドナーの島はこれらの脂肪沈着により近接して配置されており、脂肪組織がホルモン産生細胞により直接的に影響を及ぼしている可能性を示唆している点です。結合組織（瘢痕様組織）の量も糖尿病で高く、インスリン分泌能の低下と関連していました。同時に、AIモデルはチューブリンβ3で染色された構造、すなわち神経繊維標識に驚くほど強い重みを置いており、特にこれらの繊維が島を通過したり島の近くを走る場合に顕著でした。これは、膵臓の神経支配—神経が島細胞とどのように接しているか—の変化が、2型糖尿病の重要で過小評価されている寄与因子である可能性を示しています。これらの発見を総合すると、重要なのはβ細胞そのものだけでなく、その周辺環境であり、近接する脂肪細胞、瘢痕、血管、神経が島の健全性を形づくっているようです。

将来の診療にとっての意味

専門外の方への要点は、2型糖尿病が膵臓の構築に微妙だが検出可能な足跡を残すということです。高解像度イメージングと説明可能なAIを組み合わせることで、本研究はこれらのパターンを島の大きさ、脂肪分布、神経の存在、線維化といった測定可能な特徴へと翻訳し、それらが糖尿病や体内のインスリン産生能と相関することを示しました。現在のところこの手法は日常診療で使う診断ツールではありませんが、新しい薬剤標的の発見や糖尿病の発生機序理解の精緻化に向けた有力なロードマップを提供します。長期的には、こうしたAI主導の組織解析から得られる知見が、医師によるリスク予測、病状のモニタリング、およびβ細胞だけでなく膵臓周辺環境を保護する治療設計の改善につながる可能性があります。

引用: Klein, L., Ziegler, S., Gerst, F. et al. Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes. Nat Commun 17, 1558 (2026). https://doi.org/10.1038/s41467-026-69295-2

キーワード: 2型糖尿病, 膵臓, 人工知能, 組織病理学, バイオマーカー