MyeGPT: an AI agent for Multiple Myeloma

MyeGPT は、自然言語クエリをプログラミングスキルを必要としない自動化されたデータ駆動型分析に変換することで、多発性骨髄腫の研究者が複雑な CoMMpass データセットからの仮説を検証し、その結果を可視化することを可能にする AI 搭載のブラウザアプリケーションです。

要約

特定の血液がん「多発性骨髄腫」に関する、膨大かつ極めて詳細な医療記録の図書館を想像してください。この図書館は「CoMMpass 研究」として知られており、1,143 人の患者の「人生の物語」を収めています。そこには症状、治療履歴、遺伝子構成、そして生存期間が含まれています。しかし、一つの問題があります。この図書館は、少数の専門的な司書（バイオインフォマティシャン）だけが読める秘密のコード（複雑なコンピュータプログラミング言語）で書かれているのです。一般の医師や研究者にとって、「特定の遺伝子変異を持つ患者はより長く生存するか？」といった特定の答えを見つけることは、目隠しをしたまま手袋をはめて干し草の山から針を探すようなものです。

そこで登場するのが MyeGPT です。

MyeGPT とは何か？

MyeGPT を、CoMMpass 図書館全体を丸暗記した超賢いバイリンガルの司書だと考えてください。秘密のコードを知る必要はありません。人間に尋ねるのと同じように、平易な英語で単に質問するだけで済みます。「最初の治療後に再発した患者の生存率を示してください」とか、「特定のタンパク質のレベルが高い患者と正常なレベルの患者の全体的な健康状態を比較してください」といった具合です。

MyeGPT は単に答えを推測するわけではありません。まるで探偵のように以下を行います：

1. 質問を理解する。
2. データベースを掘り下げて、必要な正確なデータページを見つける。
3. 計算を行うことで答えを導き出す。
4. 図を描く（チャートやグラフ）ことで結果を示す。

どのように機能するか？

研究者たちは、この「司書」をエージェント型 AIと呼ばれる人工知能の一種を用いて構築しました。単に会話するだけの標準的なチャットボットとは異なり、「エージェント」は実際に「行動」を起こすことができます。

• 脳（LLM）： これが言語を理解し、問題を解決するための手順を計画する部分です。
• ツール： MyeGPT は一連のデジタルツールを持っています。図書館のマニュアルから正しい定義を見つけるための「検索ツール」、複雑なクエリを実行するための「データベースツール」、グラフを作成するための「描画ツール」です。
• 記憶（知識ベース）： 開始前に、チームはデータベースの各列が何を意味するかを正確に説明する 52 ページの取扱説明書を MyeGPT に読み込ませました。これにより、「治療反応」や「コピー数」が実際に何を指すのかを混乱することがなくなります。

機能したか？（テストドライブ）

研究者たちは単に構築しただけでなく、それが安全かつ正確かどうかを確認するために厳格なテストドライブを行いました。

1. 雑学テスト： 複雑な数学とデータ掘り下げを必要とする 20 の難しい質問を MyeGPT に出しました。その答えを、人間の専門家によって作成された「ゴールドスタンダード」と比較しました。

   • 結果： MyeGPT の最良のバージョンは、100 点満点中 79.4 点 を獲得しました。完璧ではありませんが、実用的なレベルでした。興味深いことに、小さく安価な AI モデルが、巨大で高価なモデルとほぼ同等の性能を発揮し、コスト効果の高い選択肢となりました。

2. 「再生」テスト： MyeGPT に、すでに人間によって発表された有名な研究を再現するよう求めました。

   • 結果： MyeGPT は 2 つの主要な研究の発見を成功裡に再現しました。生存率や遺伝子発現パターンを計算した結果は、元の人間の研究者の作業とほぼ完全に一致しました。

3. 「人間対機械」テスト： MyeGPT と人間の専門家の両方に、患者をリスクグループ（高リスク対標準リスク）に分類するよう求めました。

   • 結果： AI と人間との間の合意度は驚くほど高く（96.5%）、これは AI がこのデータを見る際、人間の専門家と非常に似た「思考」をしていることを意味します。

現在、何ができるか？

この論文は、MyeGPT が 3 種類のタスクを処理することを示しています：

• 単純： 「Drug X を服用した患者は何人か？」（一度の簡単な検索）。
• 中程度： 「Gene Y を持つ患者は Drug Z に反応が良いか？」（2 つの異なるデータセットの比較）。
• 複雑： 「治療失敗に関連する可能性のある遺伝子を特定するために、全 1,143 人の患者の遺伝子コード全体をスキャンする」（大規模なゲノムワイドな検索）。

重要な限界（細則）

著者らは、MyeGPT が何ではないかについて非常に明確に述べています：

• 医師ではありません。 「この特定の患者にこの特定の薬を与えるべきか？」と尋ねることはできません。この論文は明確に、MyeGPT は研究と仮説生成のみを目的としていると述べています。AI は間違いを犯す可能性があり、データは観察研究（管理された臨床試験ではない）から得られたものであるため、その助言は患者に対する実際の医療判断に決して使用されてはいけません。
• 研究環境が必要です。 これは科学者がラップトップやスマートフォンでデータを探索するのを支援するために設計されていますが、現時点では病院向けの臨床ツールではありません。

結論

MyeGPT は、複雑で膨大な医療データセットと、それらを利用したい研究者との間のギャップを埋める概念実証ツールです。コンピュータサイエンスの博士号がなければナビゲートできない図書館を、会話型のチャットインターフェースへと変換します。医師に取って代わる準備が整ったわけではありませんが、科学者にとって強力な「コパイロット」として機能し、以前よりもはるかに迅速に、多発性骨髄腫データの広大な海の中で質問をし、答えを見つけるのを支援します。

技術概要

技術概要：MyeGPT – 多発性骨髄腫のための AI エージェント

問題定義
MMRF CoMMpass 研究は、多発性骨髄腫研究のための画期的なリソースであり、1,143 人の患者に関する包括的な臨床データと分子データを含んでいます。しかし、このデータセットの複雑さ—763 の臨床フィールドに加え、WGS、WES、RNA-seq、FISH などのマルチオミクスデータ—は、研究者にとって高い学習曲線を生み出しています。MMRF バーチャルラボや R ライブラリ（MMRFBiolinks、MMRFVariant）などの既存のツールは、分析範囲が限られており、クロスモーダルな仮説検証やカスタムクエリを容易に受け入れることができません。さらに、汎用 AI エージェントはこの分野において障壁に直面しています：CoMMpass のような制御アクセスデータセットへの事前設定されたアクセスが欠如しており、ユーザーが機密データをアップロードすることを要求されることが多く、また CoMMpass スキーマに固有の専門用語と意味的関係性の処理に苦労します。

方法論
著者らは、多発性骨髄腫のための「AI バイオインフォマティシャン」として機能するように設計された専門的なエージェント型 AI システムであるMyeGPT（Myeloma Generative Pretrained Transformer）を開発しました。

• アーキテクチャ: MyeGPT は**ReAct（推論と行動）**パラダイムを利用します。大規模言語モデル（LLM）がユーザーの自然言語クエリについて推論し、計画を策定し、特定のツールを使用してアクションを実行するという、交互のサイクルで動作します。
• データインフラ: このシステムは、CoMMpass リリース IA22（および特定の転座については IA16a）から派生した 17 の相互リンクされたテーブルを含む PostgreSQL データベースをバックエンドとしています。これには、臨床人口統計、治療反応、生存データ、エクソーム変異、コピー数変異、およびクロモスリスの呼び出しや変異シグネチャなどの派生指標が含まれます。
• ナレッジベース: 自然言語クエリとデータベーススキーマの間のギャップを埋めるために、著者らは**検索拡張生成（RAG）**システムを実装しました。CoMMpass フィールドを記述する 52 ページのドキュメントセットが、テキスト埋め込みベクトルストアとしてインデックス化されています。エージェントは、SQL クエリの生成を試みる前に、クエリとの類似性に基づいて関連するドキュメントページを検索します。
• ツール: MyeGPT は一連のツールを採用しています：
  • ドキュメント検索: ベクトル類似性を通じて関連するスキーマドキュメントを検索します。
  • LangChain SQL クエリ: デバッグ中のトークン膨張を防ぐために LIMIT 句を備えた SQL クエリを生成およびテストします。
  • Python SQL クエリ: サンドボックス化された Python 環境で検証済みの SQL クエリを実行し、完全な結果をディスクに保存します。
  • Python REPL: 統計分析、プロット、計算を実行します。
• ベンチマーク: 著者らは、難易度（単純、中級、複雑）別に分類された 20 の数値応答質問からなる**CoMMpass 定量的テストセット（CQTS）を構築しました。評価指標には、手法と回答の正しさの両方に重みを付けた推論 - 正解複合（RAC）**スコアと、ネット・プロモーター・スコア（NPS）が含まれます。また、ドキュメント検索の精度のためにテキスト埋め込みモデルも評価しました。

主な貢献

1. 専門データセットエージェント: MyeGPT は、特定の複雑な生物医学データセットに対する深い事前設定された知識を有する「データセットキュレーター」エージェントの概念実証として機能し、ユーザーがデータをアップロードしたりフィールド名を手動でマッピングしたりする必要性を排除します。
2. コスト最適化戦略: 著者らは、エージェント型 AI のコストを削減するための重要なエンジニアリング最適化を詳述しています。RAG を用いて必要なドキュメントページのみを検索し、2 段階の SQL プロセス（LIMIT によるデバッグ followed by 完全実行）を強制することにより、ベンチマーク実行あたりのコストを約 10 ドルから約 0.10 ドルに削減しました（約 100 倍の削減）。
3. 評価フレームワーク: この論文は、最終的な回答だけでなく論理的推論ステップを評価基準として報酬化する厳格なベンチマークプロトコル（CQTS）を導入しており、再帰制限のために失敗するモデルと知識不足のために失敗するモデルの区別を可能にします。

結果

• ベンチマーク性能: 数値応答ベンチマークにおいて、Anthropic の Claude Opus 4.5が最高値の推論 - 正解複合（mRAC）スコア0.794と NPS +11 を達成し、ゼロスコア回答はゼロでした。OpenAI モデルの中では、費用対効果の高いGPT-5 miniが競争力のあるパフォーマンス（mRAC 0.681、NPS +6）を示し、性能とコストの好ましいバランスを提供しました。
• 埋め込みモデル: ドキュメント検索において、Google の gemini-embedding-001とOpenAI の text-embedding-003-large（3072 次元）は、低次元モデルと比較して優れた性能（初回試行精度約 67-68%）を示しました。
• 既知の知見の再現:
  • 機能的高リスク（FHR）分類: 患者を標準リスク（SR）、ゲノム高リスク（GHR）、FHR カテゴリに分類するよう指示された場合、MyeGPT（各種 LLM を使用）は人間の専門家と高い相互評価者信頼性を示しました。最も高い合意度はClaude Sonnet 4.5 と人間の評価者の間で観測されました（Cohen's κ = 0.965）。
  • PR サブタイプ分析: MyeGPT は、Skerget ら（2024）の CoMMpass IA22 出版物からの生存分析および差次的遺伝子発現結果を成功裡に再現しました。わずかな不一致（バッチ補正方法と打ち切り日付の処理に起因）は存在しましたが、効果量と p 値は元の研究と密接に一致しました。
• 新規シナリオ: システムは、単変量クエリ（例：治療終了理由の分布）から複雑なゲノムワイドスクリーニング（例：FHR 患者と SR 患者で富化された変異の同定および遺伝子ごとの Cox 回帰の実行）まで、多様なタスクを成功裡に実行しました。

意義と主張
この論文は、MyeGPT を臨床意思決定支援ツールではなく、研究加速エンジンとして位置づけています。著者らは、LLM の非決定論的性質と CoMMpass 研究の観察研究デザインにより、このツールは探索的データ分析と仮説生成に限定されると明確に述べています。

主張される主な意義は、プログラミングスキルを必要とせず、スマートフォンブラウザを介して「その場」での分析を可能にすることで、骨髄腫研究者の技術的障壁を下げられる点です。MyeGPT は、専門的なエージェント型 AI が複雑なマルチモーダル生物医学データセットを効果的にナビゲートし、自然言語クエリを再現可能な統計分析と可視化に変換できることを実証しています。著者らは、大規模な生物医学データへのアクセスを民主化するために、TCGA などの他のデータセットに対する同様の専門エージェントの作成を推奨しています。