iLENS：解釈可能なLLM誘導型混合専門家システムによる神経画像生存分析
iLENSは、大規模言語モデル（LLM）と混合専門家システム（MoE）に基づく解釈可能なフレームワークであり、アルツハイマー病（AD）の前駆期から認知症への変換を予測する。構造化神経画像測定と非構造化情報を統合し、LLMが専門家のルーティングを導くことで、競争力のある予測性能と患者サブタイピングを提供し、ルーティング決定に対して透明で生物学的に根拠のある理由を示し、高性能生存分析と解釈可能な臨床意思決定支援のギャップを埋める。
アルツハイマー病（AD）は複雑な神経変性疾患であり、世界中の何百万人もの人々に影響を与えています。前駆期におけるADへの変換を予測することは、疾患の理解と患者ケアにとって極めて重要です。従来の生存モデルは広く使われていますが、静的な予測器であり、解釈可能性が限られ、自然言語推論の能力を持ちません。そこで、本研究ではiLENS（解釈可能なLLM誘導型混合専門家システム）を提案します。このフレームワークは、大規模言語モデル（LLM）を使用して構造化神経画像測定（例：MRI指標）と非構造化情報（例：臨床ノート、文献知識）を統合し、複数の専門家モデルのルーティングを動的に導きます。各専門家は特定のデータタイプや患者サブセットに特化しており、LLMは入力特徴に基づいて最適な専門家を選択するための重みを割り当て、ルーティングを決定します。この設計により、予測精度が向上するだけでなく、意思決定プロセスが解釈可能になります。LLMは、なぜ特定の患者が特定の専門家にルーティングされたのか、どの生物学的要因が予測に影響したのかを自然言語で説明できます。
実験評価では、iLENSはAD変換予測タスクにおいて最先端モデルと競合する性能を示し、同時に有意義な患者サブタイピングを実現しました。例えば、進行速度が異なる患者グループを区別し、個別化治療の参考を提供します。さらに、iLENSは各ルーティング決定に対して透明で生物学的に合理的な根拠を提供します。例えば、海馬体積の萎縮や脳脊髄液バイオマーカーの変化などの重要な要因を指摘します。この解釈可能性により、高性能生存分析と解釈可能な臨床意思決定支援のギャップが埋められ、医師がモデルの予測を信頼し理解することが可能になります。
本研究はarXiv（arXiv:2607.08778）で公開されており、コードとデータは公開予定です。これにより、神経画像分析における解釈可能な人工知能の応用が促進されます。今後の展開としては、他の神経変性疾患へのiLENSの拡張や、ゲノミクスや生活習慣データなどの追加データモダリティの統合が考えられます。