グーグル、パーキンソン病を診断するAIロボットの開発に協力
Image via NYSCF https://vimeo.com/143782360

グーグル、パーキンソン病を診断するAIロボットの開発に協力

グーグルがパーキンソン病診断のためのロボットの開発に協力している。24時間稼働するロボットは試験管やピペットを操作し、皮膚細胞を撮影して病気を機械学習によって分類する。

吉田拓史

グーグルがパーキンソン病診断のためのロボットの開発に協力している。24時間稼働するロボットは試験管やピペットを操作し、皮膚細胞を撮影して病気を機械学習によって分類する。

AIを搭載したカメラで武装したロボットシステムは、試験管から皮膚細胞を培養して画像化し、最小限の人間の助けでパーキンソン病を診断できると、Googleとニューヨーク幹細胞財団(NYSCF)の研究者が発表した。

研究者たちは、グーグルリサーチと共同で、自動細胞培養プラットフォームを使用し、91人の患者および健常対照者のコホートから得た皮膚細胞の100万枚を超える画像を作成しプロファイリングすることにより、パーキンソン病の新しい細胞の特徴を特定することに成功した。『Nature Communications』誌に25日に発表された研究論文によると、Google Researchのエンジニアは、皮膚細胞からパーキンソン病を79パーセントの精度で診断するように訓練されたAIソフトウェアをインストールすることで、このシステムをさらに一歩推し進めたという。

非営利研究機関とグーグルは、制御された環境で実験室実験を行うことができるロボットシステムを開発した。グローバル幹細胞アレイと呼ばれるこのロボットシステムは、細胞培養用の試験管サンプルを操作できるロボットアームを備えた一連の機械で構成されている。

このシステムはまず、患者の皮膚生検から得た細胞を試験管で培養する。次に、このサンプルを染色し、蛍光顕微鏡の下に置く。カメラで細胞の画像を撮影し、それを畳み込みニューラルネットワークに送り込んで研究する。このモデルは、個々の細胞に焦点を当て、それがパーキンソン病の患者のものであるかどうかを判断するように訓練されており、ロボットは人間の助けなしに24時間365日稼働することができるという。

91人の参加者から得られた皮膚細胞生検が、システムの訓練とテストに使用されました。AIを搭載したGlobal Stem Cell Arrayは、79パーセントの精度で病気を診断することができた。最初の生検から数年後に採取した新しいサンプルを分析した場合でも、個々の患者まで細胞を追跡することができた。

Fig. 1:バッチ間で再現性を示す高含量自動プロファイリング・プラットフォーム。Johannesson et al(2022)

病気の皮膚細胞と健康な皮膚細胞を見分けるのは難しく、人間は自分の目で見ることができない。機械学習アルゴリズムは、1,200以上の特徴を分析する必要があった。「我々の分析によると、検出された(パーキンソン病特有の)形態学的特徴は、その臨床症状と同様に非常に複雑であり、根底にある分子メカニズムを明らかにするためには、包括的な破壊研究が必要だ」と、この論文は説明している。

アクシオン有料購読、初月無料キャンペーン

毎月70本追加される一流海外メディアとオリジナル記事にアクセス

1ヶ月無料で購読する

パーキンソン病は、65歳以上の人口の2~3%が罹患すると推定されている。脳の基底核領域の奥にある神経細胞が時間の経過とともにゆっくりと死滅し、動作に影響を与える。手足が震えたり、こわばったりして、自分の動きをコントロールすることが難しくなる。この病気の原因は解明されておらず、現在のところ治癒は不可能だ。

NYSCFのCEOであるスーザン・ソロモンは「従来の創薬は、特にパーキンソン病のような複雑な疾患に対しては、あまりうまくいっていない」と声明で説明している。「NYSCFが構築したロボット技術によって、大量の患者集団から膨大なデータを生成し、実際に効く薬を発見するための全く新しい基礎となる病気の新しい兆候を発見することができる」

グーグルリサーチの研究員であるSamuel J. Yangは「これらの人工知能を用いた手法により、他の方法では観察できないような、患者細胞の共通点を特定することができる。また、重要なのは、アルゴリズムが先入観がないということだ。彼らは、パーキンソン病に関するいかなる予備知識や先入観にも依存しないので、全く新しい病気のサインを発見することができる」

研究者はロボット実験作業員とAIアルゴリズムの組み合わせを精密医療や創薬に応用することを目指している。NYSCFの上級バイスプレジデントであるダニエル・ポールは、「これほどの精度と感度で疾患の特徴を特定することに成功した初めてのツールです」と述べた。「患者のサブグループを特定するその力は、多くの難治性疾患における精密医療や創薬に重要な意味を持つ」

参考文献

  1. Schiff, L., Migliori, B., Chen, Y. et al. Integrating deep learning and unbiased automated high-content screening to identify complex disease signatures in human fibroblasts. Nat Commun 13, 1590 (2022). https://doi.org/10.1038/s41467-022-28423-4