著者の所属・活動拠点の国は、台湾です。

掲載誌：Microbiology Spectrum

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

研究チームは、ラマン分光と人工知能（AI）を組み合わせた装置「AIRMAB」が、豚の診療で重要な病原細菌を迅速に識別できるかを調べました。豚の細菌感染症は発育の遅れや死亡、生産上の損失につながり、人にも感染する病原体が含まれるため、原因菌の迅速で正確な特定が求められています。

ラマン分光は、光を当てたときに生じる散乱光から、細菌を構成する分子の特徴を読み取る方法です。研究チームは、人の臨床検体から分離した細菌の識別に用いていた技術を、獣医療の対象へ広げて評価しました。

何を、どのように調べたか

研究チームは、2025年3～11月に台湾の大学の動物疾病診断施設で、病気の豚から得た840株の細菌を使って検証しました。対象は、大腸菌、豚レンサ球菌、サルモネラなど、豚でよく検出される14の菌種・分類群です。検体を寒天培地で一晩培養し、ほかの菌が混ざっていない分離株を得てから測定しました。

細菌を銀ナノ粒子と混ぜて散乱光の信号を強め、各株から20本のラマンスペクトルを取得しました。AIはこの光のパターンから細菌の分類を予測し、20本の予測をまとめて、その株の判定を出す仕組みです。確信度が設定した基準に届かない場合には、菌名を付けず、信頼性が低いことを警告するようにしました。

840株のうち588株をAIの学習に、残る252株を性能の評価に使用しました。同じ株の測定データが学習用と評価用の両方に入らないよう、株単位で分けています。菌の遺伝情報を調べるPCR検査の結果を基準として、AIRMABの判定がどの程度一致するかを評価しました。

主な報告結果

研究チームは、対象とした14の菌種・分類群で高い識別性能を報告しました。パスツレラ・ムルトシダ、クロストリジウム・パーフリンジェンス、サルモネラのコレラスイス血清型などでは、適合率、再現率、F1スコアがいずれも100％でした。適合率は「その菌だと判定したものが正しかった割合」、再現率は「実際にその菌である株を正しく拾えた割合」で、F1スコアは両者を合わせた指標です。

大腸菌では、この3つの指標がいずれも96％を超え、誤分類は1株でした。豚レンサ球菌では適合率が100％、再現率が94.29％、F1スコアが97.06％でした。豚レンサ球菌と判定した株はすべて正しかった一方、実際には豚レンサ球菌だった株の一部を別の分類に割り当てていました。

著者らによると、分離株を装置にセットしてから識別結果を得るまでの分析時間は約2分でした。ただし、検体の採取から約2分で分かるという意味ではなく、その前に純粋な分離株を得るための一晩の培養が必要です。

この報告が示すこと

著者らは、この結果を、ラマン分光とAIを組み合わせた技術を獣医療の細菌識別にも適用できることを示すものと位置付けています。培養後の分離株を調べる工程を迅速化し、従来の検査を補う手段として役立つ可能性がある、という結論です。

一方、検証は単一施設で行われ、一部の菌では評価した株数が少ないという限界があります。例えば、豚丹毒菌は3株、スタフィロコッカス・ハイカスは5株で、著者らは、100％の成績でも同じ菌の多様な株に対する性能まで保証するものではないとしています。また、AIが学習した対象は14の分類に限られ、未学習の菌や複数の菌が混ざった試料を誤って分類する課題があり、確信度に応じて判定を保留する仕組みが設けられています。

原著論文の著者・所属：Chia-Hung Lu（ITRUST MedTech Inc, Hsinchu, Taiwan）、Ni-Jyun Ke（Animal Disease Diagnostic Center, College of Veterinary Medicine, National Pingtung University of Science and Technology; Department of Veterinary Medicine, College of Veterinary Medicine, National Pingtung University of Science and Technology; Sustainable Swine Research Center, National Pingtung University of Science and Technology）、Chi-Chun Liu（Department of Veterinary Medicine, College of Veterinary Medicine, National Pingtung University of Science and Technology）、Yu-Hui Liao（ITRUST MedTech Inc, Hsinchu, Taiwan）、Chu Wang（ITRUST MedTech Inc, Hsinchu, Taiwan）、Shih-Wei Liu（ITRUST MedTech Inc, Hsinchu, Taiwan）、Wei-Cheng Chang（ITRUST MedTech Inc, Hsinchu, Taiwan）、Chun-Yi Hsu（ITRUST MedTech Inc, Hsinchu, Taiwan）、Nai-Shun Liao（ITRUST MedTech Inc, Hsinchu, Taiwan）、Yi-Fan Chou（ITRUST MedTech Inc, Hsinchu, Taiwan）、Po-Ren Hsueh（Department of Internal Medicine, National Taiwan University Hospital, National Taiwan University College of Medicine; Department of Laboratory Medicine, China Medical University Hospital, School of Medicine, China Medical University; Department of Laboratory Medicine, National Taiwan University Hospital, National Taiwan University College of Medicine; Division of Infectious Diseases, Department of Internal Medicine, China Medical University Hospital, China Medical University）、Ming-Tang Chiou（Animal Disease Diagnostic Center, College of Veterinary Medicine, National Pingtung University of Science and Technology; Department of Veterinary Medicine, College of Veterinary Medicine, National Pingtung University of Science and Technology; Sustainable Swine Research Center, National Pingtung University of Science and Technology）、Chao-Nan Lin（Animal Disease Diagnostic Center, College of Veterinary Medicine, National Pingtung University of Science and Technology; Department of Veterinary Medicine, College of Veterinary Medicine, National Pingtung University of Science and Technology; Sustainable Swine Research Center, National Pingtung University of Science and Technology）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Chia-Hung Lu, Ni-Jyun Ke, Chi-Chun Liu, et al. Rapid identification of porcine bacterial pathogens using an artificial intelligence Raman microbial analyzer for biology. Microbiology Spectrum（出版社：American Society for Microbiology） 2026-10-06. DOI: 10.1128/spectrum.01792-26. 原著ライセンス：CC BY.