近年、乳幼児期の食物アレルギーが増加し、寛解困難例も増えている。しかし、診断技術と治療法は未だ発展途上であり、現存の血液検査は診断精度が不十分である。食物経口負荷試験(OFC)はリスクが高く、専門医が不足しているため、非専門医でも正確に診断できる新たな検査法の開発が求められている。 本研究では、高感度DCPチップを用いたIgE親和性(AVIDITY)、抗原特異的IgG1・IgG4・IgEの測定結果と、構造化した臨床データを統合した機械学習によりAI診断プログラムを開発する。このAIプログラムは専門医の診断プロセスをモデル化して、一般医でも高精度な診断を可能にするものである。既に鶏卵アレルギーで実現済みであり、今後はピーナッツアレルギーなど他の食物アレルギーへの応用、SHAPによるAI診断の説明可能性向上、NLPを活用した電子カルテデータ解析を進める。特に、ピーナッツアレルギーは欧米で喫緊の課題であり、臨床データ駆動型のAI医療機器として国際展開を目指す。