アルツハイマー病（AD）は世界中で数百万人に影響を与える複雑な神経変性疾患であり、前駆期におけるアルツハイマー病への進行予測は疾病の理解と患者ケアにとって極めて重要である。現在、生存分析モデルはADリスク予測に広く用いられているが、従来のこうしたモデルは静的な予測器に限定され、解釈可能性に乏しく、自然言語推論の能力を持たないという課題がある。 本研究では、アルツハイマー病への進行予測を目的とした、混合エキスパート（MoE）アーキテクチャを基盤とする解釈可能なLLM誘導フレームワークであるiLENSを提案している。このアプローチは、構造化された神経画像測定データと非構造化情報を統合するためにLLMを活用し、エキスパート選択（エキスパート・ルーティング）を誘導するものである。提案フレームワークは競争力のある予測性能と患者サブタイピング能力を実証している。 さらに重要な特徴として、iLENSはそのルーティング決定に対して透明性のある生物学的根拠に基づいた説明可能性を提供する。これにより、高性能な生存分析と解釈可能な臨床意思決定支援システムとの間の溝を橋渡けし、実臨床での応用可能性を高めるものである。このアプローチは、複雑な医療予測タスクに対する説明可能なAIの重要な実装例として位置づけられる。