トレーサブルな推論を備えた希少疾患診断のためのエージェンティック・システム

希少疾患を早く見つけることがなぜ重要か

希少疾患とともに暮らす家族にとって、病名が判明するまでに何年もかかり、診察や意見の相違、行き止まりの連続を経験することがあります。この長い「診断の旅」は治療の遅れ、貯蓄の消耗、患者の不安定な状態を招きます。本研究はDeepRareを紹介します。これは医師のデジタルな協働者として機能するよう設計された人工知能システムで、希少疾患をより早く発見し、医師が検証・信頼できる形でその推論を説明することを目指しています。

医師向けの新しいタイプのデジタルアシスタント

DeepRareは実際の診療所の働き方に合わせて作られています。自由記述の診療ノート、構造化された症状一覧、最新の遺伝子検査の結果を読み取り、それらを統合して可能性の高い希少疾患をランク付けします。単に疾患名の一覧を返す既存の多くのツールとは異なり、DeepRareは各提案を医学文献、専門データベース、類似の過去症例に結びつける段階的な推論チェーンを出力します。つまり、臨床医はシステムの推奨だけでなく、その理由も確認できます。

システムが症例をどう思考するか

内部では、DeepRareは「マルチエージェント」システムとして構成されています。その中心には強力な言語モデルがあり、追加情報が入るたびに次に何をするかを決定するコーディネーターとして機能します。周囲には専門化された補助モジュールが配置されており、症状の標準化を行うもの、医学文献や希少疾患症例バンクを検索するもの、長い遺伝子変異リストを解釈するものが含まれます。患者ごとにDeepRareは証拠収集、診断提案、自己検証を繰り返します。候補説明に問題が見つかれば、不確かな推定を押し進めるのではなく、より良い証拠を探してやり直します。

実世界でのDeepRareの検証

研究者らは、6,401件の患者症例でDeepRareを評価しました。これらは大規模な公開データセット、オンライン症例報告、欧州、北米、中国の4つの主要病院を含む9つの異なるソースから集められました。合わせて、脳疾患から腎臓疾患まで14の臓器系にまたがる2,919の異なる希少疾患を網羅しています。構造化された症状記述のみを用いた場合、DeepRareは約57%の症例で真の疾患を第1位に配置しました――これは次善の手法より20ポイント以上高く、PhenoBrainやPubCaseFinderのような広く使われるツールを大きく上回ります。さらに遺伝子配列の結果が利用可能な場合、DeepRareのトップランク精度は約69%に上昇し、独立した2つの病院コホートで主要な遺伝学ツールであるExomiserを上回りました。

AIと人間専門家の比較

DeepRareの性能が臨床専門家と比べても通用するかを検証するため、研究チームは小児病院の163件の難治例を用いた直接比較実験を行いました。希少疾患領域で10年以上の経験を持つ5人の医師が、検索エンジンを使用できるがAIは使えない条件で、各症例につき最大5つまでの診断を挙げるよう求められました。同じ症状情報がDeepRareにも与えられました。DeepRareは医師が5つまで挙げた場合と同等の成績を示しただけでなく、単一の最有力予測では実際に医師を上回りました。さらに別の10人の希少疾患専門医が180件のケースに対するAIの推論チェーンを評価し、引用された証拠の95%以上を正確かつ関連性があると判断しました。これはその説明が単なる「AIの物語化」ではなく、医学的に信頼できることを示唆します。

トレーサブルな推論がもたらす変化

生の精度を超えて、著者らはDeepRareが希少疾患の調査方法を再形成し得ると論じています。システムが思考の各段階を医学的出典や類似患者に結びつけるため、臨床医が文献を探したり症例データベースを検索したりする時間を大幅に短縮できます。多くの臓器系での高い性能は、希少疾患専門センターを持たない病院でも、稀にしか遭遇しない疾患を非専門医が認識する助けになる可能性があります。研究はまた、類似症候群間の混同や早期スクリーニングや治療計画への拡張の必要性といった未解決の課題にも言及しています。それでも、DeepRareのように慎重に設計されたAIの協働者は、日常の臨床現場で希少疾患をより容易に認識・考察できるようにすることで、何千もの家族の診断の旅を短縮する可能性が示唆されています。

引用: Zhao, W., Wu, C., Fan, Y. et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature 651, 775–784 (2026). https://doi.org/10.1038/s41586-025-10097-9

キーワード: 希少疾患診断, 医療用AI, 大規模言語モデル, 臨床意思決定支援, ゲノム医療