📌 「MS は 1つじゃなかった? — AI が暴いた 2つの新サブタイプと治療革命」
✨ Prolog
世界中で数百万人が苦しむ多発性硬化症(MS)。
これまで「症状」でしか分類できなかったMSが、AI × 血液バイオマーカー × MRI の組み合わせによって、初めて 生物学的なサブタイプ として区別できることが明らかになりました。
この発見は、より精密な診断と治療の時代へと道を開く医学革命の一歩です。
🧩 多発性硬化症(MS)って何?

多発性硬化症(Multiple Sclerosis:MS)は、免疫系が誤って自分の中枢神経(脳や脊髄)を攻撃し、神経線維を覆うミエリン鞘が壊れてしまう 自己免疫疾患 です。これにより、神経信号の伝達が阻害され、運動障害、感覚異常、視覚異常などの症状が現れます。�
日本神経免疫学会
従来は臨床症状や病気の進行パターン(再発寛解型・進行型など)によって分類されてきましたが、 **根本の生物学的な違いに基づく分類はありませんでした。**�
ガーディアン
🧬 新しい発見:2つの生物学的サブタイプ
2025年末、大学院生・研究者チーム(University College London & Queen Square Analytics) の国際研究グループが、約600人のMS患者データを AI で解析し、2つの新しい 生物学的サブタイプ を発見しました。�
ガーディアン
✔️ ① early sNfL 型(アーリー sNfL)
病気の初期から sNfL(血液中の神経細胞損傷マーカー)が高い
脳の主要構造(脳梁など)で早期に損傷・病変が進む
比較的積極的で、進行が早い傾向
このタイプの患者は、通常より積極的な治療を早期に開始するほうが効果的かもしれません。�
ガーディアン
✔️ ② late sNfL 型(レイト sNfL)
初期は 高い sNfL 反応が見られず
先に 脳の萎縮(体積減少) が進行、その後 sNfL が上昇
比較的進行が ゆっくり なパターン
こちらのタイプでは、神経細胞保護やゆっくり進行への戦略が重要となる可能性があります。�
ガーディアン
🧪 どうやって発見されたの?
🔹 AI を使ったデータ解析
最新の 機械学習モデル(SuStaIn) を使って、
血液中の sNfL(神経線維軽鎖)
MRI 画像データ
を組み合わせて解析しました。AI がパターンを見つけることで、従来の “症状ベースの分類” とは異なる 生物学的な違い が明らかになったのです。�
ガーディアン
この方法は、「見た目で区別できないけど、進行の仕方や根本的な生理パターンが違う」患者を見分けるための 新しい診断アプローチ でもあります。
🧠 なぜこれは画期的なのか?
🔹 従来の課題
これまでの MS の分類は、臨床症状や再発の頻度でしか患者を区別できず、
**治療選択が一律になりがちでした。**�
日本神経免疫学会
その結果、同じ薬でも効く人と効かない人が出たり、副作用リスクがあったり…という課題がありました。
🔹 今後の治療・診断への期待
📌 診断の精度が向上
→ AI × バイオマーカー × 画像診断で、より「生物学的状態」を理解できる。
📌 治療の個別化(パーソナライズ医療)
→ 進行が早い患者には積極的治療、遅いパターンの人には防御的なアプローチ、といった 個々人ごとの戦略 が立てられる。
📌 AI を補助診断に活用
→ 今後は臨床で AI が“見えないパターン”を発見する 診断ツール として活躍する可能性。�
ガーディアン
🧩 研究の未来と課題
この発見自体は 臨床研究段階 ですが、
より多くの患者での検証
長期データによる予測精度の確認
臨床医療への実装方法
などが今後必要となります。
ただしこの発見により、従来の 症状だけでは分からなかった異なる病態 が明らかになったことで、
将来のMS治療の革命に向けた土台が築かれた と言えるのです。�
ガーディアン
📝 ブログまとめポイント
✔ MS は 1つの病気ではなく「生物学的な違いを持つ複数のパターン」がある
✔ 血中バイオマーカー(sNfL)と脳MRI を AI で解析して判別
✔ new subtype:early sNfL / late sNfL
✔ 診断精度の向上と、個別治療戦略立案への期待
📣 この記事を読んでみて疑問が湧きませんか?
なぜ同じ病名でも治療効果が異なるのか?
AI が医学診断をどう変えるのか?
これからの MS 治療はどう進化していくのか?
この記事を読んで、あなたならどう考えますか?
■■■ホームページ

ユニリハトップ
■■■勉強会は毎日開催
オンラインセミナーページ
■■■勉強会の詳細、みに来てよ
メデュケーション主催者(セミナー詳細)
■■■おもしろ動画オンパレード
instagram インスタやってます!





