近年、医療分野では人工知能（AI）の活用が急速に進展している。日本においても、CTやMRI画像の読影支援、内視鏡診断補助、電子カルテ解析など、臨床現場の効率化や診断精度向上を目的とした導入が進んでいる。一方、メディカルハーブや精油（エッセンシャルオイル）研究では、AI応用はまだ発展途上にある。精油は抗菌活性を有する天然物として注目されるが、その作用は単一成分ではなく、多数の揮発性化合物の複雑な相互作用に依存しており、従来の実験手法のみで全体像を把握することは難しいとされている。

本研究の目的は、精油同士を組み合わせた際の抗菌作用の変化、特に相乗効果（synergy）をAIで予測することであった。精油の組み合わせ効果は単純な比例関係では説明できず、実験的検証には多大な時間とコストが必要となる。そのため、未検証の組み合わせも含めて効率的に予測可能な計算モデルの構築が求められている。

解析では、既存文献および実験データから精油ペアと抗菌活性データを収集し、主に黄色ブドウ球菌に対する効果を対象とした。精油は「点（ノード）」、精油同士の関係（混合後の反応）は「線（エッジ）」として表し、全体を“つながりの地図（ネットワーク）”として整理した。これにより、個々の精油の性質だけでなく、精油同士の関係性も含めて分析できた。次に、このネットワークをAIが扱いやすい形にするため、「グラフ埋め込み（graph embedding）」を使い、各精油を数字のまとまり（ベクトル）に変換した。これは、似ている精油ほど近くに配置される“地図上の座標”のような表現である。最後に、このデータを使って機械学習モデルを作り、精油の組み合わせを「相乗効果」「拮抗作用」「変化なし」の3つに分類できるようにした。

結果として、本モデルは精油間相互作用の分類において良好な性能を示した。特にグラフ構造に基づく特徴量を導入することで、従来の化学成分ベース手法よりも予測精度が向上した。また、AIが相乗効果ありと予測した組み合わせである、4組の精油ペア〔オレガノ( Origanum compactum )-アジョワン( Trachyspermum ammi )、レモングラス( Cymbopogon citratus )- アスナロ（ Thujopsis dolabrata )、シナモン( Cinnamomum verum )-レモングラス（ Cymbopogon citratus )、アジョワン( Trachyspermum ammi )-ショウガ( Zingiber officinale ) 〕が予測どおり相乗効果を示すことが明らかになり、実験的にも抗菌活性の増強が確認され、モデルの妥当性が支持された。

本研究の意義は、従来個別実験に依存していた精油の組み合わせ探索を、AIによって効率化した点であった。特にグラフ機械学習により、成分ではなく関係構造そのものを学習できることが重要であり、未知の組み合わせに対する汎化性能も期待される。一方で、データ規模の制約や文献データの条件不均一性、菌種や環境による影響といった課題も残った。今後は標準化された大規模データの整備と、多様な条件での検証が必要である。

本研究は、精油の抗菌相互作用をグラフ機械学習によって予測する新たな枠組みを提示したものである。特に相乗効果の予測精度向上を通じて、従来の経験的な知見を否定するものではなく、実験依存型を補完しうる可能性を示した。今後、本手法は天然抗菌物質の探索や創薬研究の効率化に寄与し、医療およびバイオテクノロジー分野だけでなく、メディカルハーブや精油の分野に対しても、AI活用の新たな展開につながることが期待される。

【引用文献】

Yabuuchi H, Hayashi K, Shigemoto A, Fujiwara M, Nomura Y, Nakashima M, Ogusu T, Mori M, Tokumoto SI, Miyai K. In vitro and in silico prediction of antibacterial interaction between essential oils via graph embedding approach. Sci Rep. 2023 Nov 2;13(1):18947. doi: 10.1038/s41598-023-46377-5. PMID: 37919469; PMCID: PMC10622510.