A bibliometric analysis of artificial intelligence and machine learning in preclinical mesenchymal stem cell therapy and manufacturing from 2009 to 2025
2009年から2025年までの144件の文献を対象としたこの計量書誌学的分析は、間葉系幹細胞療法における人工知能の応用が急速に拡大しているものの、依然として製造における品質管理や臨床へのトランスレーションよりも特性評価に重点を置いた前臨床段階に圧倒的に留まっており、それによって、この分野を臨床へと進展させるために必要な力価予測モデルにおける決定的な欠落を浮き彫りにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
科学者たちは20年間にわたり、特定の種類のヒト細胞を医薬品へと変えるために研究を続けてきました。間葉系幹細胞として知られるこれらの細胞は、骨髄や脂肪などの組織に見られます。それらは独特の可能性を秘めています。免疫系を鎮め、損傷した臓器の修復を助けることができるため、関節の損傷から炎症性疾患に至るまで、あらゆる治療への希望を提供します。しかし、これらの細胞を研究室のシャーレから患者の枕元へと届けることは困難であると判明しています。細胞は敏感であり、その挙動は、どこから来たのか、どのように育てられたのか、そして何回分裂したのかによって変化します。安全かつ効果的であるために、すべての細胞のバッチは、それが十分に強力で欠陥がないことを保証するために、厳格にテストされなければなりません。品質管理として知られるこのテストは、時間がかかり、コストがかかり、しばしば主観的な人間の判断に依存しており、多くの有望な治療法が臨床現場に到達するのを阻むボトルネックとなっています。
近年、研究者たちはこの問題を解決するために、人工知能（AI）と機械学習を活用してきました。これらは、人間と同じようにデータの中にあるパターンを見つけ出すように設計されたコンピュータシステムですが、膨大な量の情報を迅速に処理する能力を備えています。期待されているのは、これらのツールが細胞を自動的に分析し、その性能を予測し、破壊的なテストや時間のかかるテストを必要とせずに、厳格な安全基準を満たしていることを確認できることです。しかし、このアイデアは普及しているものの、この技術が具体的にこの特定の分野でどのように実際に使われているのかを正確にマッピングするために立ち止まった人は誰もいませんでした。カタール大学の研究者による新しい研究がまさにそれを行い、科学文献を詳細に調査することで、どこで研究が行われ、どのような手法が使われ、どこにギャップが残っているのかという全体像を描き出しました。
研究者たちは、間葉系幹細胞との人工知能の使用について論じている、2009年から2025年までに発表された144件の科学文書を収集し、分析しました。彼らは、使用されているコンピュータ・アルゴリズムの種類から、コンピュータに求められている具体的なタスクに至るまで、あらゆる側面を調査しました。この分野はまだ若く、急速に成長しており、出版数は毎年約35パーセント増加しています。研究活動はいくつかの主要な国に集中しており、中国と米国が先行していますが、国家間の協力も適度に行われています。こうした熱狂にもかかわらず、本研究は、研究の大部分がいまだに研究所の中で行われており、病院のベッドサイドからは遠い場所にあることを明らかにしています。
研究者が科学者たちが実際に何を行っているのかを分類したところ、明確なパターンが現れました。ほとんどの研究は、画像やデータに基づいて細胞を分類したり、その状態を診断したりすることに焦点を当てていました。これは細胞の特性評価と呼ばれる形態であり、コンピュータが健康な細胞と損傷した細胞をどのように識別するかを学習するプロセスです。これは有用ではありますが、極めて重要なステップである「リリース・テスティング（出荷判定試験）」と同じではありません。リリース・テスティングとは、ある細胞のバッチが患者に投与されるのに十分な安全性と効力を備えているかを決定する最終チェックです。本研究では、この特定の、極めて重要な課題に取り組んだ論文は非常に少ないことが分かりました。研究者たちは、細胞のバッチが規制上のリリース基準をパスするかどうかを予測するモデルを構築するのではなく、主に研究対象としている細胞を記述するためのモデルを構築していたのです。
研究所と臨床現場の間の溝は歴然としています。分析された文書のほぼ半分が前臨床研究、つまりラボや動物を用いた実験について述べていました。臨床段階のヒトでの試験に達している研究は、わずか2パーセント程度でした。製造および品質管理のカテゴリー（約13パーセントの論文が該当）においてさえ、焦点は細胞の検証ではなく、細胞の特性評価に留まっていました。研究対象となった細胞の最も一般的な供給源は骨髄と脂肪組織であり、最も一般的な用途は骨および整形外科的問題でした。しかし、本研究は、多くのケースにおいて、細胞の具体的な供給源さえも論文内で明確に報告されていないことがあり、それが結果の比較や信頼できるモデルの構築を困難にしていると指摘しています。
この分析は、人工知能が間葉系幹細胞治療の世界に参入してはいるものの、まだ最も困難な問題には取り組んでいないことを示唆しています。テクノロジーは製造プロセスに応用されていますが、細胞を検証することではなく、細胞を記述することに集中しています。研究者たちは、人工知能の語彙が現在、幹細胞生物学の会話の中に深く織り込まれている一方で、製造および品質管理の語彙との間に強い結びつきを形成できていないことを見出しました。言い換えれば、科学者たちは細胞を理解するためのスマートなツールを使用していますが、それらの細胞を人間への使用に向けて認定するために必要なスマートなツールはまだ構築していないのです。
これはテクノロジーが失敗していることを意味するのではなく、むしろ、この分野がまだ初期段階にあることを示しています。研究者たちは、人工知能が臨床への架け橋となるために真に役立つためには、将来の研究が、薬を患者にリリースするための厳格な基準に対して検証されたモデルの作成に焦点を当てなければならないと指摘しています。これには、コンピュータが一貫したデータから学習できるように、細胞がどこから来たのか、そしてその品質属性がどのようなものであるかについて、より優れた報告が必要となります。本研究は、今後の進むべき道は、一般的な細胞の記述から、製造およびリリース・テスティングという特定の規制されたステップへと注意を移すことであると結論付けています。この転換が起こらない限り、この分野における人工知能の約束は、実生活で命を救う治療法を人々へ届けるシステムに統合されるのを待つ間、主に設計図の上に留まったままとなるでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。