患者の身体をAIで再現「仮想人体」　9つの臓器とAIエージェントたちが連携　中国チームが研究発表

公開 2025年09月01日 12時00分

著者

山下裕毅

[ITmedia]

印刷する連載新着通知を受け取る Googleで優先するソースとして追加

Innovative Tech（AI+）：

このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高いAI分野の科学論文を山下氏がピックアップし、解説する。

X：＠shiropen2

　中国の天津大学などに所属する研究者らが発表した論文「Organ-Agents: Virtual Human Physiology Simulator via LLMs」は、患者の9つの臓器システムをそれぞれ独立したAIエージェントとして表現し、相互作用を通じて患者の状態変化を予測する研究報告だ。

患者のデータから9つの臓器システムを個別のAIエージェントとしてモデル化、相互作用しながら患者の状態を予測する「Organ-Agents」の概要

　従来の臨床AIシステムは、診断支援や文書要約といった静的なタスクに焦点を当てており、時間経過に伴う生理学的変化の予測には限界があった。特に集中治療室における敗血症のような複雑な病態では、複数の臓器システムが相互に影響し合いながら変化するため、単一のモデルでは適切な予測が困難であった。

　今回提案するモデル「Organ-Agents」は、この課題に対して呼吸器系や心血管系、腎臓系、肝臓系、免疫系、凝固系、神経系、血液系、代謝・内分泌系の9つのシステムをそれぞれ専門のLLMエージェントが担当する設計を採用した。各エージェントは担当システムの臨床変数を監視・予測しながら、必要に応じて他エージェントの情報を選択的に参照する。この連携により数時間先の患者の体内状態を予測できる。

　Organ-AgentsはQwen3-8Bをベースとし、学習は2段階で実施。第1段階では各エージェントが担当する生理システムの時系列データを用いた教師あり学習を行い、基本的な予測能力を獲得する。第2段階では強化学習を用いてエージェント間の動的な相互作用メカニズムを最適化する。

Organ-Agentsの2段階学習プロセス

　研究チームはMIMIC-IVデータベースから抽出した1万5029人と、中国の医療機関から収集した2万2689人のICU患者データを用いて学習と検証を行った。心拍数や血圧、呼吸数などの生理学的指標を予測させたところ、システム全体の予測誤差は低い水準に収まった。軽症患者から重症患者まで、システムの予測精度はほぼ一定を保ち、12時間先の予測でも制限された範囲内にとどまることを確認した。

　病態（高乳酸血症、低酸素血症、低血圧など）の進行パターンの予測も可能であることを示した。低血圧が進行する典型的なケースでは、まず血圧が下がり、次に腎機能が悪化し、その後心拍数が低下して最終的に血圧がさらに下がる。この一連の流れを86％の確率で正しい順序で予測した。予測した各イベントの発生時刻も実際の時刻から平均1.9時間以内のずれに収まっている。

　15人の専門医による評価では、シミュレーション結果の現実性と生理学的一貫性について高評価を得ている。

Source and Image Credits: Chang, Rihao, et al. “Organ-Agents: Virtual Human Physiology Simulator via LLMs.” arXiv preprint arXiv:2508.14357（2025）.

この連載新着通知をメールで受け取る

印刷する

SpecialPR

Innovative Tech（AI+）

2019年の開始以来、多様な最新論文を取り上げている連載「Innovative Tech」。ここではその“AI編”として、人工知能に特化し、世界中の興味深い論文を独自視点で厳選、解説する。執筆は研究論文メディア「Seamless」（シームレス）を主宰し、日課として数多くの論文に目を通す山下氏が担当。イラストや漫画は、同メディア所属のアーティスト・おね氏が手掛けている。

連載新着通知を受け取る

この連載の記事をもっと見る