全ゲノム配列（WGS）に基づく抗菌薬耐性（AMR）予測は高い精度に達していますが、既存のモデルは神経ネットワークの帰属を確立された生物学的経路に根拠付けるメカニズムを欠いていました。この課題に対応するため、研究者らはKG-TRACEという新しい神経シンボリックフレームワークを開発しました。このフレームワークは、WHO の変異知識グラフ（KG）を構造化された生物学的制約として神経ゲノミックモデルに統合するものです。 KG-TRACEの特徴は、統計的パターンを個別に学習する既存手法とは異なり、ゲノミック特徴とRotatEベースのKG埋め込みを学習可能なエピステミック信頼ゲートを通じて融合させることです。このアプローチにより、神経証拠とシンボリック生物学的知識を動的に比較検討することが可能になります。 結核菌のCRyPTICコホートを用いた評価では、イソニアジドに対してAUROC 0.9760という競争力のある精度を達成しました。ただし、このフレームワークの主要な価値は予測性能の向上ではなく、シンボリックな根拠付けにあります。さらに、研究チームは生物学的根拠付け比率（BGR）という新しいデータセットレベルのメトリクスを導入し、神経帰属と確立された生物学との整合性を定量化しています。イソニアジド耐性予測の92.5%のシンボリックカバレッジを達成し、「不確定」な症例に対して検査室フォローアップフラグを発行することでMDR併発アーティファクトを効果的に特定できるようになりました。このように、神経シンボリック根拠付けは臨床医に検証可能な監査証跡を提供し、予測精度と臨床的信頼のギャップを埋めるものとなっています。