要旨 生物医学AIの大半は順方向予測として構築されている。すなわち、患者、集団、または神経状態が与えられると、モデルはその後の状態、リスク、または転帰を予測する。これに対し本研究では、学習済みモデルを逆方向に調べるべき生物学的プリミティブとして扱う。システムの状態遷移挙動を学習した後、学習済みプリミティブを事前に指定した目標へ近づける介入または刺激の水準を探索する。この方法を、個体生理（Ohio 1型糖尿病）、集団動態（COVID-19の政策・疫学パネル）、神経細胞の刺激応答（Allen Brain Observatoryのカルシウムイメージング）という3つのスケールにまたがる3種類の後ろ向きデータ基盤で評価した。高血糖を示す糖尿病400症例のスカラー逆算では、平均目標乖離が活動量のみで76.5%、インスリンのみで60.6%、臨床的制約を課した併用で87.8%、制約なしの併用で96.4%縮小した。COVID-19のスカラー逆算による縮小幅はより小さいものの一貫しており、ロックダウンで17.9%、検査で5.8%、ワクチン接種で3.8%、併用で25.1%であった。神経細胞モジュールでは、400個の細胞と5つのファイルにまたがる120万件の観測から刺激応答プリミティブを構築し、スカラー探索を可能にした。続いて、探索対象を文献由来の介入ベクトルを圧縮したコンパクトなライブラリに限定した。コンパクトなベクトル逆算により、平均目標乖離は糖尿病で79.0%（症例の93.75%で改善）、COVID-19で85.9%（95.0%で改善）縮小した。完全な高次元ライブラリによる上積みは、それぞれ2.2ポイントと0.5ポイントにすぎなかった。逆算は、データ基盤が表現する次元についてのみ許可した。コンパクトな糖尿病ベクトル46個のうち26個は未対応の要素を含むため除外されたが、COVID-19では39個のうち3個であった。順方向プリミティブは高い予測性能を示した（糖尿病 R² = 0.934、COVID-19 R² = 0.912）。したがって、学習済みAIプリミティブは、生物学的スケールを横断して目標指向的なスカラーまたはベクトルの水準を照会でき、データ基盤が対応し、文献上妥当なコンパクトベクトルによって、達成可能な変化の大部分を回収できる。
https://doi.org/10.21203/rs.3.rs-10910512/v1