Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

早産児にとって、世界はあまりにも早く訪れます。彼らの体は、まだ子宮の外での機能の仕方を学んでいる最中なのです。これらの脆弱な乳児が直面する多くの課題の中でも、最も脅威となるものの一つが「未熟児網膜症」と呼ばれる状態です。これは、目の奥にある血管、すなわち網膜が適切に成長しない疾患です。健康なネットワークを形成する代わりに、血管の成長が止まったり、無秩序で混乱した形で成長したりすることがあり、それが最終的に失明につながる可能性があります。目は発達段階にあるため、治療のタイミングが極めて重要です。医師は、永久的な損傷が生じる前に介入できるよう、十分に早い段階で問題を発見しなければなりません。現在、これをスクリーニングするための標準的な方法は、カメラを用いて赤ちゃんの目の中を直接観察することです。このプロセスは効果的ではありますが、高価な装置と高度な訓練を受けた専門家を必要とし、真にリスクのある数少ない赤ちゃんを見つけ出すために、多くの健康な赤ちゃんを検査しなければならないことも少なくありません。

研究者たちは、この眼疾患の最大の要因が、非常に早く生まれたことと、出生体重が非常に低いことであることを以前から知っていました。また、赤ちゃんが受ける酸素の量も重要な役割を果たしており、多すぎても少なすぎても、発達中の血管を傷つける可能性があることも分かっています。しかし、新しい研究によれば、医師はすでに日常的に収集しているデータを用いることで、より早く、より簡単に、どの赤ちゃんが危険な状態にあるかを予測できる可能性があることが示唆されています。赤ちゃんの呼吸の状態や血液の酸素運搬能力を測定する日常的な血液検査の結果を見ることで、科学者チームは、まず目の中を見る必要なく、ハイリスクの乳児をフラグ立てできるコンピュータモデルを構築しました。このアプローチは、特にリソースの限られた病院において、どの赤ちゃんに最も緊急の注意を払うべきかを判断するのに役立つ可能性があります。

中国の医師と研究者チームによって行われたこの研究は、2022年から2025年の間に生まれた500人以上の早産児に焦着しました。これらの赤ちゃんは、3つの病院の新生児集中治療室（NICU）で治療を受けました。これらのユニットでは、医師は赤ちゃんの動脈血ガス値をチェックするために、日常的に少量の血液を採取しています。この検査により、血液中にどれくらいの酸素と二酸化炭生が含まれているか、血液がどの程度酸性または塩基性であるか、そして体がどのように酸素を利用しているかが分かります。研究者たちは、これらのデータとともに、赤ちゃんの出生体重や、生まれる前の胎内での週数を収集しました。そして、血液検査の結果がこの眼疾患の発症を予測できるかどうかを確認するために、データ内のパターンを学習して予測を行う一種のコンピュータ学習（機械学習）を用いました。

チームは、リスクを特定するのにどのアルゴリズムが最も優れているかを判断するために、10種類の異なるコンピュータ・アルゴリズムをテストしました。その結果、最も成功したモデルは、10個の特定の管理可能な情報のリストに依存していることが分かりました。これには、赤ちゃんの妊娠週数と出生体重に加え、生後6週間に行われた血液ガス検査からの9つの特定の数値が含まれていました。これらの数値は、血液中の二酸化炭素の圧力、酸素を運ぶタンパク質であるヘモグロビンの異なる型、および体がエネルギーやストレスをどのように処理しているかの指標などを網羅していました。コンピュータにこの特定の10個の事実を学習させたところ、その結果を予測する能力が驚くほど高まりました。初期の赤ちゃんたちのグループにおいて、モデルは0.95のAUC（曲線下面積）を達成しました。また、健康な赤ちゃんを低リスクとして識別することにおいても0.91のAUCを達成しており、注意が必要なケースを見逃すことがほとんどありませんでした。

この結果が、単に一組の患者グループにおける偶然の的中ではないことを確認するため、研究者たちは異なる病院の他の2つのグループの赤ちゃんを用いてモデルをテストしました。モデルはこれらの新しい環境でも良好に機能しました。あるグループでは0．83のAUCを、別のグループでは0.91のAUCを達成しました。研究は、コンピュータモデルに変数（データ項目）を増やしても、モデルは改善されないことを示しました。実際には、最も重要な10の事実だけで構成されたシンプルなモデルが最も優れたパフォーマンスを発揮しました。このことは、すでに病院で行われている日常的な血液検査の中に、これまで見過ごされてきた、赤ちゃんの目の健康に関する隠れたシグナルが含まれていることを示唆しています。研究者たちは、モデルが「安全な赤ちゃん」を排除することに特に優れていると指摘しました。これは、スクリーニングツールとして極めて重要な特徴です。もし赤ちゃんがこのモデルによって低リスクと判定された場合、医師はその赤ちゃんが深刻な疾患を発症する可能性が低いと確信することができます。

この研究はまた、このツールが何であり、何ではないのかについても明確にしています。研究者たちは、これはリスク予測システムであり、実際の眼科検診の代わりになるものではないことを強調しています。モデルによってハイリスクと判定された赤ちゃんが自動的に治療を受けるわけではありません。そうではなく、その結果は、医師に対して、その赤ちゃんの目をより早く、より頻繁に診察するように指示するものとなります。これは、専門の眼科医が毎日常駐していない病院にとって、極めて重要な違いとなる可能性があります。すでに存在する血液ガスデータを利用することで、これらの病院は限られたスクリーニングのリソースを、最も必要としている乳児に優先的に割り当てることができます。また、このモデルは、既存の他のツールの多くが、極めて小さく未熟な乳児にのみ適用されることが多いのに対し、もう少し成長した段階で生まれた赤ちゃんに対しても機能しました。これは、このアプローチが、より成熟しているものの依然としてリスクがある赤ちゃんを含む、より幅広い範囲の赤ちゃんを救えることを意味します。

今回の知見は、赤ちゃんの体がどのように酸素を処理するかと、目の発達との間の深い結びつきを浮き彫りにしています。血液検査の結果、眼疾患を発症した赤ちゃんには、血液の酸素運搬方法や、体のストレスへの反応において微妙な違いがあることが明らかになりました。例えば、特定の型のヘモグビンのレベルや血液中の酸のバランスが、リスクのあるグループでは異なっていました。これらの違いは、生後数週間の間における酸素とエネルギーの管理に関する身体の葛藤が、後に網膜に現れる問題に関連していることを示唆しています。これらのパターンを捉えることで、コンピュータモデルは複雑な生物学的シグナルを、シンプルなリスクスコアへと変換しているのです。

結果は有望ですが、研究者たちは、これが後ろ向き研究（レトロスペクティブ研究）であること、つまり、すでに収集されたデータを振り返って分析したものであることに注意を促しています。次のステップとして、彼らはすでに、赤ちゃんが治療を受けている最中にこのモデルをリアルタイムでテストすることを計画しています。彼らは、このツールを他の医師や研究者が利用できるようにし、世界のさまざまな場所で検証されることを目指しています。もし将来のテストでこれらの結果が確認されれば、この低コストの手法は、適切な赤ちゃんに、適切なタイミングで、適切な眼科検診を受けさせることで、失明を防ぐための標準的なケアの一部となる可能性があります。この研究は、時には、視力を救うための最も強力なツールは、新しい機械ではなく、私たちがすでに持っているデータをより賢い方法で見つめ直すことであるということを証明しています。