1. 導入：なぜあなたの「痛み」は治りにくいのか？

慢性痛は、今や世界における障害（disability）の原因の71%を占める深刻な公衆衛生上の課題です。しかし、臨床現場の実態はどうでしょうか。例えば腰痛の90%以上は依然として「非特異的（原因不明）」と診断されており、多くの患者が自分に合う治療法に辿り着くまで、多大な時間と費用を費やして「trial-and-error（試行錯誤）」を繰り返しています。

従来の「一律（one-size-fits-all）」のアプローチが限界を迎えていることは、数千ものランダム化比較試験の結果が示す通りです。この停滞した現状を打破すべく、最新の研究（Hodges et al., 2025）は機械学習（機械学習モデル）を用いて、痛みの生物学的なメカニズムを特定し、個別化された治療への道筋を提示しました。

2. 【発見1】痛みは「3つのクラスター」に収束する――機械学習が証明した分類の妥当性

国際疼痛学会（IASP）は、痛みをその発生メカニズムに基づき「侵害受容性疼痛」「神経障害性疼痛」「ノシプラスチック疼痛（痛覚変調性疼痛）」の3つに定義しています。

Hodgesらの研究チームは、慢性的な筋肉・関節痛を持つ350人の患者データを、教師なし学習（Unsupervised machine learning）を用いて分析しました。ここで特筆すべきは、採用されたアルゴリズムの特性です。データを厳密に分断する「ハードクラスタリング（K-means法）」では一致率が59%に留まったのに対し、データの重なりや曖昧さを許容する**「ソフトクラスタリング」の一種であるガウス混合モデル（GMM）を用いた結果、熟練した臨床医の診断と82%という高い精度で一致しました。**

“Results confirmed that data could be best explained by 3 clusters… agreed with the designation of the experienced clinician with 82% accuracy.”

この結果は、人間の複雑な生物学的反応を捉えるには、白黒はっきりつける手法よりも、確率的な分布を考慮するモデルの方が適していることを示唆しています。

3. 【発見2】「よくある併存症状」に識別的妥当性はない

臨床現場において、睡眠障害や疲労感、認知機能の低下（集中力不足など）は、痛みの深刻さを測る指標として頻繁に参照されます。しかし、本研究の教師あり学習（Supervised machine learning）による分析は、意外な事実を突き止めました。

これらの併存疾患は、痛みのタイプを特定するための**「識別的妥当性（Discriminative validity）」をほとんど欠いている**ことが判明したのです。睡眠障害や疲労はどのタイプの慢性痛でも共通して見られる特徴（Common features）であり、メカニズムを区別するための「決定的なサイン」にはなり得ません。

また、従来「神経障害性疼痛」の識別に多用されてきた「神経障害性疼痛質問票（NPQ）」などのツールが、今回の分析では識別の寄与度が低いと判断されました。これは、神経障害性疼痛の定義が「神経系の機能不全（Dysfunction）」から「神経系への病変または疾患（Lesion or disease）」へと厳格化されたこと、そして新たに定義された「ノシプラスチック疼痛」との間で、感覚過敏などの特徴が重複しているという歴史的な背景が影響しています。

4. 【発見3】ノシプラスチック疼痛を特定する「必須条件」

組織や神経の明白な損傷がないにもかかわらず生じる「ノシプラスチック疼痛」は、これまで最も識別が困難とされてきました。本研究のDiscussionおよび分析データ（Table 2）は、この新しいカテゴリーを定義づける鍵として、以下の要素を抽出しています。

  • 広範な痛み（Regional distribution）: 特定の神経支配域に留まらない広範囲な分布。これは識別における**「必須（Obligatory）」の条件**です。
  • 物理的検査による過敏性: 機械的刺激、あるいは熱・冷刺激に対する客観的な感受性の高さ。
  • 痛み刺激後の残存感（Aftersensations）: 刺激が消失した後も不快な感覚が持続する現象。

重要な洞察として、患者が主観的に訴える「敏感さ」よりも、物理的な検査を通じて得られる客観的な反応の方が、メカニズムの特定において高い価値を持つことが強調されています。

5. 【発見4】「混合型（Mixed Type）」という現実的な視点

本研究の確率論的分析（Probabilistic analysis）が明らかにしたのは、痛みのメカニズムは常に単一ではないという事実です。

分析結果（FPC: Fuzzy Partition Coefficient）は100%の確実性を示さず、特に神経障害性疼痛において他タイプとの重なり（不確実性）が顕著でした。これは、痛みが「侵害受容性」として始まり、時間の経過とともに中枢神経系の可塑的変化を伴う「ノシプラスチック」な性質へと移行、あるいは共存（Coexistence）していくプロセスを反映していると考えられます。

臨床家にとって重要なのは、一つの診断名に固執することではなく、**「現在、どのメカニズムが支配的（Dominant）か」**を見極め、その構成比率に応じた治療戦略を組み立てる視点です。

6. 結論：個別化された痛み治療の未来へ

本研究は、従来の「症状を抑えるための治療」から、患者一人ひとりの「生物学的なメカニズムに基づいたマッチング治療」へと転換するための強固なエビデンスを提供しました。

機械学習モデル（GMM）が示した82%の一致率は、複雑な臨床症状の背後にある「痛みの正体」を、科学的に分類可能であることを証明しています。痛みを単なる不快な「症状」としてではなく、体内で起きているメカニズムの「サイン」として読み解くことで、私たちは無益な試行錯誤に終止符を打つことができるでしょう。

科学の進歩は、痛みのブラックボックスを確実に解き明かしつつあります。

あなたの痛みは、今、体からのどんなメッセージを伝えていますか？

Reference
Hodges, P. W., Sanchez, R., Pritchard, S., Turnbull, A., Hahne, A., & Ford, J. (2025). Toward validation of clinical measures to discriminate between nociceptive, neuropathic, and nociplastic pain: cluster analysis of a cohort with chronic musculoskeletal pain. The Clinical Journal of Pain, 41(5), e1281.

 

来院前にメールでご相談されたい方はこちらをクリックしてください

本日、ご相談の予約をお取りされたい方は

こちらをクリックしてください

 

(東京国際歯科 六本木の情報)

地図はこちらになります

住所：　東京都港区六本木５丁目１３−２５ TIDSビル 2階

お多福坂沿い

電話番号：　０３－５５４４－８５４４

最寄駅：　麻布十番駅　南北線・大江戸線　六本木駅　日比谷線

都営地下鉄大江戸線「麻布十番駅」7番出口より徒歩5分
　クリニックまでの経路はこちらのビデオをご覧ください

＊監修者

東京国際歯科 六本木　院長　宮下 裕志

医療法人社団EPSDC