スウェーデンのLund Universityの研究者ヤコブ・フォーゲルとリジュン・アンらは、単一の血液サンプルから複数の神経変性疾患関連の状態を同時に推定できるAIモデル「ProtAIDe-Dx」を開発した。
モデルは神経変性疾患に関する世界最大のプロテオミクスデータベースGNPCから収集した17,187人のデータで訓練された。診断精度は疾患により70〜95%、AUCは78%以上を達成した。タンパク質プロファイルが臨床診断よりも認知機能低下を正確に予測することも確認された。
本研究は2026年3月31日付でNature Medicineに掲載された。
From: 
AI Identifies Multiple Dementias from One Blood Sample – Neuroscience News
【編集部解説】
「血液1本で、複数の認知症を同時に診断する」——この一文だけ聞くと、SF映画の一場面のように感じるかもしれません。しかし今回Nature Medicineに掲載された研究は、そのビジョンに向けた確かな一歩です。
まず、今回の研究の核心を整理します。Lund UniversityのチームがAIモデル「ProtAIDe-Dx」を開発するにあたって使用したのは、血液中のプロテオミクス（タンパク質網羅的解析）データです。脳は病気が進行すると、種類や量が変化したタンパク質を血液中に漏出させます。ProtAIDe-Dxはその「タンパク質の指紋」を7,595種類のタンパク質を対象に読み取り、どの疾患が進行しているかを確率として算出する仕組みです。
ひとつ補足が必要な点があります。Neuroscience Newsの記事では「5疾患」と表記されていますが、原著論文のタイトルは「six conditions（6つの状態）」となっています。実際にProtAIDe-Dxが判定対象とするのは、アルツハイマー病、パーキンソン病、ALS、前頭側頭型認知症、脳卒中/TIAに加え、認知機能が正常な群を含む6カテゴリです。単なる表記の違いではなく、「健常かどうかも同時に判定できる」という重要な機能が省略されていた点は、押さえておく価値があります。
このモデルが「ジョイントラーニング（共同学習）」と呼ばれる手法を採用していることも重要です。従来の個別疾患ごとの分類器と比べて、ProtAIDe-Dxは複数疾患を同時に学習する設計を採用しています。これは「一石多鳥」の学習効率ではなく、「疾患間の関係性を理解することで、個々の診断精度も上がる」という設計思想です。
この技術が意味を持つ背景として、現在の認知症診断の困難さを知っておく必要があります。原著論文によると、専門クリニックでも誤診率は25〜30%に上り、一般的なかかりつけ医では50%を超えることもあります。さらに、80歳以上の患者の70%が複数の神経変性疾患を同時に抱えているとされています。つまり、現行の「症状を観察して1つの病名をつける」という診断プロセスは、老齢期の脳疾患の複雑さに追いついていないのです。
ポジティブな側面として最も注目すべきは、「治療薬の選別精度が上がる」可能性です。近年、アルツハイマー病向けの新薬（レカネマブなど）が登場しましたが、誤診による患者の混入は臨床試験の精度を下げ、有効な治療効果を見えにくくしてきました。ProtAIDe-Dxのような多疾患同時診断ツールは、薬の恩恵を受けられる患者を正確に絞り込む「ゲートキーパー」として機能し得ます。
一方で、現時点の限界も正確に伝える必要があります。論文内でフォーゲル自身が認めているように、ProtAIDe-Dxは有望な性能を示した一方で、施設間での汎化性能や追加的な臨床検証が必要です。特に施設間の汎化性能（異なる病院や国でも同じ精度を出せるか）は課題として残っており、サイトをまたいだ検証では性能が低下する傾向が確認されています。また、モデルの学習に使われた診断ラベルの多くがバイオマーカーによる確認を経ていない「臨床診断」である点も、精度に影響する構造的な問題として議論されています。
プライバシーと倫理の観点からも注視が必要です。こうした血液ベースの医療AIが実用化に近づくほど、診断データの取り扱い、説明責任、利用範囲に関する倫理・制度設計が重要になります。多くの国で医療AIに対する規制整備が遅れている現状において、この技術が臨床応用される前に、データの所有権や利用範囲に関する明確なルール策定が求められます。
長期的な視点で見ると、今回の研究は侵襲性やコストの高い検査に依存しない診断補助の可能性を広げるものとして注目されます。アルツハイマー病など一部の神経変性疾患では、脳脊髄液検査やPETなどの専門的検査が診断精度の向上に重要ですが、こうした手法は侵襲性やコスト、アクセス面の制約があります。
単回採血で利用できる診断補助ツールが実用化されれば、患者ごとの診断ワークアップをより簡便にし、従来よりアクセスしやすい評価法となる可能性があります。著者らは、このアプローチを将来の血液ベース多疾患診断ツールのベンチマークにつながるものとして位置づけています。
【用語解説】
プロテオミクス
生体サンプル中に存在するすべてのタンパク質を網羅的に解析する研究手法だ。血液1滴の中には数千種類のタンパク質が含まれており、その発現パターンは疾患ごとに異なる。
ジョイントラーニング（共同学習）
複数の異なる診断タスクを同時に学習させる機械学習の手法だ。「1疾患×1モデル」ではなく、疾患間の共通パターンと固有パターンを同時に学ぶことで、個々の診断精度を高める効果がある。ProtAIDe-Dxがこのアーキテクチャを採用している。
ALS（筋萎縮性側索硬化症）
脳や脊髄の運動神経細胞が徐々に死滅し、全身の筋肉が萎縮・麻痺していく神経変性疾患だ。発症から数年以内に呼吸不全に至ることが多く、有効な治療法が限られている。
前頭側頭型認知症（FTD）
脳の前頭葉・側頭葉が萎縮することで、性格変化や言語障害、行動異常が現れる認知症だ。記憶障害が目立つアルツハイマー病と症状が異なるが、初期には精神疾患と誤診されやすく、誤診率が高い疾患として知られる。
TIA（一過性脳虚血発作）
脳への血流が一時的に遮断され、数分〜数時間で症状が消える発作だ。脳梗塞の前兆として知られ、その後に本格的な脳卒中へ移行するリスクが高い。本研究では脳血管疾患の代表として脳卒中・TIAが診断対象に含まれている。
BCA（均衡分類精度）
クラスの偏り（不均衡データ）を考慮した上で、各カテゴリの分類精度を均等に評価する指標だ。患者数が疾患によって大きく異なるデータセットでは、通常の正解率よりも実態を正確に反映する。
AUC（曲線下面積）
AIモデルの識別能力を示す指標で、0.5〜1.0の値をとる。1.0に近いほど診断精度が高く、0.5はランダム判定と同等を意味する。
【参考リンク】
Lund University（ルンド大学）公式サイト（外部）
1666年創立のスウェーデンの名門大学。神経変性疾患研究の国際拠点としてBioFINDER studyとMultiParkを主導する。
ProtAIDe-Dx 原著論文 — Nature Medicine（オープンアクセス）（外部）
17,187人対象の多疾患同時診断AIモデルを発表した原著論文。全データ・手法・結果を無料で閲覧できる。
GNPC（Global Neurodegenerative Proteomics Consortium）（外部）
神経変性疾患のプロテオミクスデータを管理する国際コンソーシアム。ProtAIDe-Dxの学習データGNPC v1.3MSを保有。
Swedish BioFINDER study 公式サイト（外部）
Lund Universityが主導する神経変性疾患の縦断コホート研究。ProtAIDe-Dxの外部検証データBioFINDER-2を提供した。
【参考記事】
A deep joint-learning proteomics model for diagnosis of six conditions associated with dementia — Nature Medicine（外部）
ProtAIDe-Dx原著論文。BCA 70〜95%・AUC 78%以上・誤診率25〜30%など本解説の主要数値の一次情報源。
Benchmarking the AI-based diagnostic potential of plasma proteomics for neurodegenerative disease in 17,187 people — medRxiv（外部）
Nature Medicine掲載前のプレプリント版。施設間汎化性能の課題とサイト効果の問題を詳述した先行資料。
New AI model can detect multiple cognitive brain diseases from a single blood sample — Lund University（外部）
Lund University公式プレスリリース。研究者コメントと資金源（SciLifeLab・スウェーデン研究評議会・NIH）を確認。
AI model can detect multiple cognitive brain diseases from a single blood sample — Medical Xpress（外部）
医学専門メディアMedical Xpressによる報道。複数メディア間の記述の一致確認と事実検証に使用した。
Benchmarking the AI-based diagnostic potential of plasma proteomics for neurodegenerative disease in 17,170 people — PubMed（外部）
査読前バージョン（17,170人）。最終版との数値差を検証し、解説内の数字の正確性確認に使用した。
A Systematic Review on the Evidence of Misdiagnosis in Dementia — Wiley Online Library（外部）
認知症誤診に関する系統的レビュー論文。英国の希少サブタイプ40%というNICEデータの背景情報として参照した。
【編集部後記】
「もし自分や家族の血液が、複数の脳疾患を同時に映し出す鏡になるとしたら——」そう想像したとき、あなたはどんな気持ちになりますか。知りたいと思う好奇心と、知ることへの怖さ。その両方が、きっと同時に湧いてくるのではないでしょうか。AIが医療の入り口をどう変えようとしているのか、ぜひ一緒に追いかけていけたらと思っています。
