AI が中医の整体論を定量化し、現代医学と統合する新枠組みの確立
Contents
01. 研究背景と未解決課題
現代の生物医学は遺伝子や分子レベルの還元主義的アプローチにより、疾患理解と治療開発を加速してきました。しかし、複雑で慢性化する疾患においては、システム全体の複雑さや個人差により、このアプローチには限界が生じています。一方、伝統的な中医（TCM）は、複雑な症状パターンを「症候」として圧縮し、個別化された複合処方で対応する全体論的アプローチを提供します。しかし、その定性的な性質が、現代医学との体系的な定量的統合を妨げてきました。
既存の計算手法は主にペアワイズ関係に基づくネットワークモデルに依存しており、深層学習モデルは高次元性を扱えますが解釈可能性に欠ける傾向があります。本研究は、中医の「圧縮 - 展開」ロジックを AI のエンコード - デコード機構として捉え、症候を症状パターンと処方の間をつなぐ低次元のボトルネックとして機能させることで、この課題を解決しようとしています。
02. この論文で明らかになったこと
研究者らは、8 万 4 千件以上の古典的な中医処方記録を用いて、Transformer ベースのオートエンコーダーを訓練し、「TCM 埋め込み空間（TCM-ES）」を構築しました。この空間は、症候ラベルや明示的な中医原則の注釈なしに学習されたにもかかわらず、従来の中医の「寒・熱・虚」などの症候分類と整合的な構造を示しました。さらに、この空間に生体医学的実体（疾患、タンパク質、化合物）をマッピングした結果、空間内の距離関係がヒトのタンパク質 - タンパク質相互作用（PPI）ネットワークや特定の生物学的プロセス（熱産生、気道炎症、脂肪酸酸化など）と強く一致することが示されました。
臨床データを用いた検証では、TCM-ES における患者の症状パターンと処方との距離が、その後の臨床的改善度と負の相関を持つことが確認されました。つまり、空間上で近い組み合わせほど治療効果が期待できるという定量的な裏付けが得られました。また、リウマチ性関節炎（RA）などの疾患を例に、TCM-ES を活用することで、既存の遺伝子情報だけでは見逃されがちな疾患の異質性や、新たな治療候補の優先順位付けが可能であることも示唆されています。
03. 研究デザインと技術的ポイント
本研究の核心は、症状パターンと処方をペアとして入力し、症候ラベルを一切使わずに学習する自己教師あり学習アプローチにあります。モデルは、症状と処方を低次元ベクトルに変換するエンコーダーと、それを再構築するデコーダーから構成され、対照学習（contrastive learning）と Transformer のアテンション機構を組み合わせることで、高次で非線形な関係性を捉えています。
- 学習データ：84,491 件の古典的中医処方記録（モデル適合 26,339 件）
- モデル構造：Transformer ベースのオートエンコーダー＋対照学習
- 検証データ：一般中医症例、長引く COVID-19、COVID-19 臨床データの 3 つのセット
- 生体医学統合：既存の知識ベースを用いて、TCM-ES 固定後に生体医学実体をマッピング
04. 疾患研究・創薬研究への示唆
TCM-ES は、症状ベースの視点から疾患間の関係を再定義する可能性を秘めています。従来の遺伝子や分子マーカーに基づく分類に加え、患者の臨床症状パターンを反映した疾患ネットワークを構築でき、これにより異なるメカニズムを持つ疾患間にも共通の治療標的が見つかる可能性があります。
創薬の観点では、この空間を用いることで、特定の症状パターンに効果を示す可能性のある既存薬や天然化合物を優先的に選定（優先順位付け）する「ドラッグ・リポジショニング」や、新規化合物の探索が効率化されます。特に、リウマチ性関節炎のような複雑な自己免疫疾患において、患者の症状プロファイル（寒型や熱型など）に基づいた個別化治療戦略の立案に役立つと考えられます。
05. 前臨床モデル・研究ツールとの関連
本研究で提案された AI 枠組みは、特定の遺伝子やタンパク質を標的とした遺伝子編集マウスやヒト化マウスモデルを用いた前臨床研究において、新たな仮説検証の手段となり得ます。例えば、TCM-ES で特定された「熱型」や「寒型」の分子メカニズムを解明するために、特定の炎症経路や代謝経路を操作したモデル動物を用いた検証実験が有効です。
また、TCM-ES が示唆する疾患間の新たな関連性は、疾患モデルの構築や評価において、従来の分類を超えた新しいエンドポイントの選定や、複合的な症状を再現するモデルの設計に貢献します。Cyagen が提供する CRISPR/Cas9 を用いたノックアウト（ALBヒト化マウスモデル）やノックイン（HTTヒト化マウスモデル）マウス、ヒト化免疫システムマウス（HIS）などは、これらの複雑なメカニズムを解明するための重要なツールとなります。
06. まとめ
本論文は、人工知能を用いて伝統的な中医の全体論的アプローチを定量化し、現代の生体医学と統合する画期的な枠組みを提示しました。TCM-ES は、複雑な疾患の理解を深め、個別化医療や創薬開発における新たな仮説生成を可能にする強力なツールです。今後は、この AI が示唆する関係性を、遺伝子編集動物モデルや細胞モデルを用いた実験的に検証し、実臨床への応用へとつなげていくことが期待されます。
