「腸内細菌叢」で病を層別化できるか——コホートを超えて再現するマイクロバイオームの説明可能AIを作る

🦠 symbio.research / gut-microbiome

🦠

Symbio — 腸内細菌叢をAIで層別化（コホート横断）

研究プロトタイプ・便メタゲノムの群集構造から疾患群を層別化し別コホート再現性を検証（ダミーデータ）

便メタゲノム 8.6千件

解析した便メタゲノム

8.6千件

同一コホートでのAUC

.82

別コホートでの再現性(AUC)

.72

▲ 食事・薬・地域で低下

腸疾患での再現性(AUC)

.84

便メタゲノムの群集構造から、AIが疾患群を層別化し、別コホートでの再現性まで検証

腸内細菌叢は炎症性腸疾患・大腸がん・代謝疾患と結びつく。だがAIは単一コホートで当たっても別コホートで再現しない——食事・薬・地域・前処理の交絡が信号を覆う。境界付近は交絡で紛れる。実測ではなくダミー描画。

健常の便メタゲノム疾患群（AIが層別化） AIの層別化境界境界付近＝交絡で紛れる例

層別化に効いた菌・代謝経路上位（寄与度・ダミー）

1酪酸産生菌（Faecalibacterium等）の減少26%

2腸内多様性（α多様性）の低下21%

3Enterobacteriaceae（炎症性）の増加19%

4短鎖脂肪酸の産生経路の低下18%

5胆汁酸代謝の変化16%

↑ 研究コード名「Symbio」。便メタゲノムの群集構造から、AIが疾患群（紫）を層別化し、効いた菌・
代謝経路を根拠つきで示し、別コホートでの再現性まで検証した完成イメージ。

腸内細菌叢は炎症性腸疾患・大腸がん・代謝疾患などと結びつく。だが microbiome のAIは単一コホートで当たっても別コホートで再現しない——食事・薬・地域・前処理の交絡が信号を覆う。交絡補正＋組成データ対応＋説明可能AIで、別コホートでも再現する層別化と効いた菌の根拠を作る——完成したらこう見える、の外観イメージ。

上限 500万円（直接経費）学生応募可（医学生＝当事者） e-Rad 応募第2回・2026年6月上旬予定分野：消化器・感染・代謝 × 便メタゲノムAI

🔬 問い・学術的背景

腸内細菌叢（マイクロバイオーム）は炎症性腸疾患(IBD)・大腸がん・代謝疾患・C. difficile感染などと関連し、便という非侵襲検体で測れる。だが研究の多くは単一コホートで高精度でも別コホートで再現しない。腸疾患・抗菌薬適正使用は医学生が消化器・感染の実習で必ず触れる当事者領域。

🎯 仮説・新規性

便メタゲノム（菌の組成・代謝経路）に組成データ対応＋交絡補正＋説明可能AIを当てれば、(1)疾患群を別コホートでも再現して層別化でき、(2)どの菌・経路が頑健な信号か（コホート由来の偽信号と区別）を示せ、(3)食事・薬・地域の交絡を補正できる、と仮説。新規性は精度自慢でなくクロスコホート再現性・交絡補正・頑健な信号の同定に置く。

🤖 AI活用の必然性

数百〜数千次元の組成（合計1の制約）・非線形な菌間相互作用は人手では読めず、バッチ効果・交絡の補正も学習ベースが要る。コホート横断で頑健な信号を選ぶのは機械学習でしかできない。

💰 500万円の使途

① 多コホートの便メタゲノム・臨床メタデータ（食事・薬）の整備・倫理審査
② 疾患ラベル・交絡因子の紐付け
③ 組成データ対応・交絡補正・ドメイン適応モデルの開発・計算資源
④ 頑健な菌・経路を示す説明UI試作
⑤ 別コホートでの外部検証・学会発表・プレプリント

📈 期待成果・社会実装（出口）

同一コホート↔別コホートのAUC差＋頑健な信号の妥当性＝学会発表・論文。出口はまず腸疾患（IBD・大腸がん）の非侵襲な層別化・モニタの補助（確定診断は内視鏡等）、将来は抗菌薬・食事介入の層別化。Hiroは消化器・感染を実習で学ぶ医学生＝当事者。

※ 正直な関門：microbiomeのAIは単一コホートでAUC約0.77でも別コホートで再現性が落ちる（腸疾患はAUC約0.73–0.84と比較的保つが非腸疾患は弱い）。食事・薬・地域・サンプル前処理・解析法の交絡が巨大で、しばしば疾患より菌叢を支配する。観察データから因果は言えない（菌が原因か結果か不明）。データは小規模・不均衡で組成データ特有の統計的扱いが要る。診断置換でなく補助＝SaMDの整理が必要。学生応募可だが所属大学のe-Rad機関登録・承認と倫理審査が前提、第2回の正式日程・公募要領は確定次第確認。

完成イメージ（ダミーデータ）・元アイデア → spread-plans.md #33