注目ポイント
- MASLDにおけるピクロシリウスレッド（picrosirius red, PSR）染色肝生検から、コラーゲン沈着表現型（collagen deposition phenotypes, CDPs）を特徴づける、解釈可能なAIベースのフレームワークを開発した。
- CDPsは、従来の線維化病期分類やコラーゲン占有面積（collagen proportionate area, CPA）指標よりも、異なるコラーゲン形態を捉え、より高い感度と生物学的特異性を示した。
- トランスクリプトームおよびプロテオームのパスウェイ解析により、特定のCDPsが、活発な細胞外マトリックス再構築および肝機能状態と関連することが示された。
- 選択されたCDPsは、MASLDにおける臨床転帰に対して予後上の意義を示し、外部検証によりモデルの汎化性能が支持された。
- すべての計算ツールとモデルはオープンに公開されており、透明性の高い再現可能なマルチオミクス病理研究を促進する。
研究背景
代謝機能障害関連脂肪性肝疾患（metabolic dysfunction-associated steatotic liver disease, MASLD）は、旧称を非アルコール性脂肪肝疾患（non-alcoholic fatty liver disease）とし、その病理学的中核所見の一つが肝線維化である。線維化の進行は、肝硬変、肝不全、肝細胞癌のリスク上昇を示唆し、肥満およびメタボリックシンドロームの増加を背景として、世界的に重要な臨床課題となっている。正確な線維化評価は、予後予測、治療の個別化、ならびに疾患機序の理解に不可欠である。しかし、従来の組織学的線維化病期分類は順序尺度的なカテゴリ評価にとどまり、解像度に乏しい。コラーゲン占有面積（CPA）などの定量法は測定精度を高める一方で、生物学的文脈に重要な空間構築を十分に反映できない。人工知能（artificial intelligence, AI）を活用した高度な手法は、線維化のより精緻な特徴化に有望性を示しているものの、多くは依然として独自仕様であり、学術研究からのアクセスが困難で、透明性と再現性を制約している。本研究は、このギャップを埋めるため、MASLD患者のルーチンPSR染色肝生検標本から、詳細なコラーゲン沈着表現型（CDPs）を同定する、解釈可能なAI駆動フレームワークを提案し、分子および臨床との統合的関連解析を行った。
研究デザイン
本研究では、PSR染色肝生検標本が利用可能なMASLD患者の発見コホートを用い、これにトランスクリプトームおよびプロテオームデータセットを対応付けた。さらに、モデルの頑健性を検証するため、外部検証コホートも組み入れた。研究のアプローチは以下のとおりである。
- デジタル化されたPSR染色画像からコラーゲン沈着パターンを分割・定量するため、機械学習アルゴリズムを用いたAIベースの画像解析パイプラインを構築した。
- 画像から抽出した形態学的コラーゲン特徴量の教師なしクラスタリングに基づき、異なるコラーゲン沈着表現型（CDPs）を定義した。
- CDPsを、確立された組織学的線維化病期分類およびCPA定量指標と比較解析した。
- 対応する肝組織のトランスクリプトームおよびプロテオームを統合し、各CDPに関連するパスウェイ富化解析を実施して、基盤となる生物学的過程を明らかにした。
- コホート内で、疾患進行または有害転帰を予測するCDPsの臨床相関と予後性能を評価した。
すべての計算モデルとツールは、再現性を担保し、さらなる研究を促進するため、オープンアクセスの形で共有された。
主な結果
AIフレームワークにより、複数の離散的なコラーゲン沈着表現型（CDP 1〜5）が同定され、それぞれが、従来の線維化スコアやCPAでは捉えきれない、異なる構築学的・形態計測学的コラーゲンパターンを示した。
感度と生物学的特異性の向上
CPAおよび順序尺度の線維化スコアと比較して、CDPsはコラーゲン形態の微細な差異を検出する感度が有意に高かった。この解像度の向上により、特定のCDPsと共局在するトランスクリプトームおよびプロテオームの分子シグネチャーが明らかになった。
パスウェイおよび機能的関連
CDP 4およびCDP 5は、マトリックスメタロプロテアーゼ（matrix metalloproteinases, MMPs）の上方制御、コラーゲン架橋酵素、ならびにTGF-β経路やインテグリン経路などの線維化促進シグナル伝達カスケードを含む、活発な細胞外マトリックス再構築を示唆するパスウェイと強く相関した。これに対し、他のCDPsは免疫調節または肝細胞機能に関連するパスウェイと整合し、線維化生物学の異質性が示された。
臨床的および予後的相関
一部のCDPsは、発見コホートにおいて肝機能状態マーカーや臨床転帰と有意に関連し、進行性線維化への進展や肝関連イベントを含むアウトカムと結び付いていた。予後識別能はやや低下したものの、外部検証コホートでもなお認められ、モデルの汎化可能性が支持された。
透明性と再現性
すべてのモデル、アルゴリズム、解析ツールは公開され、他の研究グループが独立に検証・改良・拡張できるようにした。この取り組みは、独自仕様のAIアプローチにより研究間比較が制限されてきた本分野の大きな課題に対処するものである。
専門家コメント
本研究は、AI駆動の定量病理学がMASLDにおける肝線維化の理解をどのように洗練できるかを示す好例である。粗いカテゴリ分類や単純なコラーゲン定量を超え、離散的なコラーゲン沈着表現型を同定することで、生物学的かつ臨床的に意味のある枠組みが提示された。マルチオミクスデータセットとの緊密な統合により、線維化の異質性を規定する機序的パスウェイが明らかとなり、標的治療戦略の設計に資する可能性がある。重要な限界として、外部コホートで予後精度が低下した点が挙げられ、より大規模で多様な集団における追加検証の必要性が示される。さらに、臨床応用には、このフレームワークを非侵襲的線維化評価ツールと統合し、時間的な表現型変化を検討する必要がある。
このオープンアクセスのアプローチは、計算病理学における透明性の重要な前例となり、肝線維化研究の進展を妨げる重要な障壁を軽減する。今後の研究では、空間トランスクリプトミクスおよび単一細胞解析の導入を拡大し、異なるコラーゲン表現型に寄与する細胞性要因をさらに解明すべきである。
結論
本研究で提示された先駆的AIベースフレームワークは、従来法では見逃されてきた精緻なコラーゲン沈着パターンを捉えることで、MASLDにおける線維化評価を大きく前進させた。得られたコラーゲン沈着表現型は、細胞外マトリックス再構築と肝機能状態に関する、より豊かな生物学的洞察を提供する。コホート間で検証された予後関連性により、その臨床的意義も裏付けられている。モデルのオープンな公開は、再現可能なマルチオミクス病理研究を促進し、精密な肝線維化表現型解析への道を開く。
本手法は、患者のリスク層別化の精緻化、バイオマーカー探索の加速、ならびにMASLDにおける異なる線維化微小環境に応じた抗線維化治療の開発に資する可能性を有する。
資金提供およびClinicalTrials.gov
本研究の詳細には、特定の資金源または臨床試験登録番号は記載されていない。支援機関および資金提供機関への謝辞は、通常、原著論文に記載される。
参考文献
1. Wojciechowska M, et al. Decoding fibrosis: Transcriptomic and clinical insights via AI-derived collagen deposition phenotypes in MASLD. Hepatology (Baltimore, Md.). 2026 Jun 24. PMID: 42341328.
2. Friedman SL. Liver fibrosis — from bench to bedside. J Hepatol. 2003;38 Suppl 1:S38-53.
3. Bedossa P, Carrat F. Liver fibrosis: clinical epidemiology, risk factors and natural history. Dig Dis. 2009;27(5):518-524.
4. Salgado-Somoza A, et al. Advanced AI techniques for histological assessment of liver fibrosis. Liver Int. 2023;43(4):745-756.
5. Kisseleva T, Brenner DA. Mechanisms of fibrogenesis. Exp Biol Med. 2008;233:109-122.
