Unsupervised Pattern Analysis in Japanese Veterinary Toxicology: A Regulatory-Compliant Framework for Cross-Species Risk Assessment

技術要約：日本における獣医毒性学の教師なしパターン解析

問題提起
世界の獣医薬物監視システムは、地域の生物学的および規制的文脈によって形成される地域固有の毒性パターンの把握に苦慮している。日本においては、既存のアプローチが主に欧米のデータ（FDAの報告書など）に基づいた予測指向のモデルに依存しているため、特に限定的である。これらのモデルは、日本の特有の変数（例：北海道における大規模な羊飼育などの独自の農業形態、猫におけるCYP3A2欠損などの種特異的な代謝の違い、農林水産省（MAFF）によって定義された国内の報告バイアス）を考慮できていない。国立動物衛生試験場（NVAL）のデータベースのような現在の規制システムは、標準化された報告を提供しているものの、教師なしパターン発見のメカニズムを欠いており、有害事象（ADE）を潜在的なメカニズム構造を探求する対象としてではなく、孤立したエンドポイントとして扱う傾向がある。その結果、生物学的に意味があり、かつ日本の規制基準に合致した、潜在的な地域固有の毒性関係を特定することに空白が生じている。

手法
本研究は、NVAL獣医用医薬品副作用データベース内の毒性パターンを発見するために設計された、規制統合型の教師なしフレームワークを提案する。手法は以下の4つの主要な段階で進行する。

1. データ取得と前処理： 著者らは、5種（犬、猫、牛、馬、羊）にわたる4,120件のADE報告（9,080の薬物-ADE-種組み合わせをカバー）からなる高信頼性データセットを利用した。データは「死亡」または「重篤」の確定された重症事象に絞り込まれ、NVALの報告カテゴリに従って標準化された。種特異的な報告バイアスが特定され、特徴量処理の過程で補正された。
2. 特徴量エンジニアリング： ADEは、7つのNVALカテゴリ（肝臓、腎臓、心臓、神経、血液、消化器、皮膚）にマッピングされた器官系に沿った表現へとエンコードされた。各種は、特定の器官系内におけるADEの割合を定量化した正規化ベクトルとして表現された。薬物レベルの特徴量は、メカニズムに基づくリスク（例：デキサメタゾンを「ステロイド」にマッピング）へと集約された。日本語の言語的不整合は、MeCabトークナイザーを用いて解決された。
3. 教師なし解析： フレームワークには、類似性ベースのクラスタリングと次元削減を採用した。疎な報告における大きさの違いを緩和するためにコサイン類似性が優先され、ランクベースおよびカテゴリ検出のためにピアソン距離とジャカード指数がそれぞれ使用された。潜在的な構造を特定するために、k-meansクラスタリングと階層クラスタリング（単連結法）が適用された。器官系特徴の構造的完全性を保持しつつ、毒性クラスターを可視化するために、UMAP（Uniform Manifold Approximation and Projection）を用いた次元削減が行われた。
4. 規制統合と検証： 従来の予測モデルとは異なり、本フレームワークは特徴量設計に規制基準を直接組み込んでいる。検証は予測精度によってではなく、発見されたクラスターがMAFFのガイドラインおよびNVALのファーマコビジランス分類とどの程度一致しているかを評価することによって行われた。統計的一貫性はノンパラメトリック検定（例：ウィルコクソンの符号付順位検定）を用いてテストされ、クラスターの品質はシルエット係数およびクラスター精度を通じて評価された。

主な結果
NVALデータセットの解析により、明確で統計的に有意な毒性パターンが明らかになった。

• 種クラスタリング： 階層クラスタリングにより、3つの有意な種クラスター（$p < 0.01$）が特定された。
  • クラスター1（犬および猫）： 優位な肝毒性（$0.42 \pm 0.06$）および心血管系のシグナルを特徴とする。
  • クラスター2（牛および馬）： 腎毒性（$0.39 \pm 0.07$）および消化器系のパターンが支配的である。
  • クラスター3（羊）： 高い皮膚毒性（$0.35 \pm 0.07$）および血液学的反応を示す。
• 薬物レベルのクラスタリング： 薬物ベクトルのk-meansクラスタリングは、既知の薬理学的クラスと83%の一致を示した。例えば、ステロイドは高い肝毒性シグナルと共にクラスター化された一方、NSAIDsは器官特異的な分岐を示した（例：カルプロフェンは腎毒性と、アスピリンは肝毒性とグルーピングされた）。
• 指標の性能： コサイン類似性は、ユークリッド距離やピアソン相関よりも優れた性能を示し、地域固有のパターンを検出する上で、シルエット係数0.48、クラスクション精度87%を達成した。この指標は、日本のデータセットに固有の疎性と報告バイアスに対して最も堅牢であることが証明された。
• 規制との整合性： 教師なしクラスターは、確立された規制分類と強い一致を示した（調整ランド指数 = 0.71, $p < 0.01$）。本フレームワークは、結果のラベルを予測ターゲットとして依存することなく、猫のステロイド誘発性肝毒性や反芻動物の抗生物質による腎毒性といった既知の生物学的リスクを正常に捉えた。

意義と主張
本論文は、予測指向のモデリングから規制に整合した教師なしパターン発見へと移行することで、従来のモデルでは覆い隠されがちな、生物学的に意味のある地域固有の毒性パターンを明らかにできると主張している。計算解析を生物学的文脈と規制基準（具体的にはMAFFのガイドラインおよびNVALカテゴリ）の両方に根ざすことで、本フレームワークは、日本の獣医用医薬品の安全性評価のための解釈可能でスケーラブルなツールを提供する。

著者らは、このアプローチが単に有害な結果を予測するのではなく、生理学的差異や規制上の優先事項を反映する潜在的な毒性構造を明らかにするものであると強調している。本研究は、このようなフレームワークが、ターゲットを絞ったコンテキストに応じた安全性評価をサポートできることを示しており、異なる規制および生物学的景観を持つ他の地域にも適応可能な、より微細なファーマコビランス戦略の基礎を提供するものである。本研究は、純粋な予測精度よりも特徴量の重要性とパターン発見を優先する「ToxAI pact」への一歩として位置づけられている。