Deep Learning from Retinal Fundus Photographs for Detecting Angiographic Obstructive Coronary Artery Disease: A Multicenter Development and External Validation Study
この多施設共同研究は、網膜眼底写真を解析するディープラーニングモデル（RET-IRV2）が、従来の臨床モデルと比較して優れた精度で血管造影による閉塞性冠動脈疾患を非侵襲的に検出し、さらに確定診断された患者における心血管リスクを層別化できることを示している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人体は巨大なパイプのネットワークであり、心臓から全身の隅々にまで生命維持に不可欠な血液を運んでいます。これらのパイプ（動脈）が脂肪の沈着物によって詰まる状態（動脈硬化症）になると、血流が制限され、心臓発作を引き起こす可能性があります。医師が心臓自身の動脈が詰まっているかどうかを確認する最も直接的な方法は、細い管を血管に通して造影剤を注入することであり、これは侵襲的冠動el血管造影と呼ばれる処置です。この手法は診断におけるゴールドスタンダード（標準的な手法）ですが、侵襲的であり、リスクを伴い、多くの場合、患者の動脈は実際には正常であるという、つまりその処置が不要であったという結果をもたらします。長年、医師はこのような検査を命じる前に、患者の年齢、性別、症状に関する単純な質問を用いて、閉塞の可能性を推測してきました。しかし、これらの推測は不正確なことが多く、不必要な処置が多すぎたり、診断を見逃したりすることにつながっています。
異なるアプローチが、意外な場所から生まれました。それは目の奥です。網膜（目の奥にある光に敏感な層）は、医師が手術なしで直接見ることができる唯一の血管で覆われています。これらの網膜血管は心臓の動脈と同じ生物学的環境を共有しているため、その外見の変化は体の他の部位でのトラブルを知らせるサインとなります。研究者たちは以前から、網膜の写真が心疾患に関する手がかりを明らかにできるのではないかと考えてきましたが、それらの視覚的な手がかりを信頼できる診断へと変えることは困難でした。現在、高度なコンピュータプログラムを用いることで、伝統的な推測ゲームよりも優れた精度でこれらの微細な兆候を読み取ることができ、侵襲的な心臓検査を本当に必要とする人物を特定する非侵襲的な方法を提供できることが、新しい研究によって示唆されています。
数千人の患者を対象とした大規模な多施設共同研究において、研究者たちは、網膜底写真を見て閉塞性冠動脈疾患の存在を予測するように設計された精巧なコンピュータシステムを開発しました。北京安貞病院と北京艾度科技（Beijing Airdoc Technology Co., Ltd.）の専門家を中心とするチームは、すでに侵襲的な心臓検査を受ける予定であった約4,800人の患者の画像を用いて、この人工知能モデルを学習させました。コンピュータには、網膜の画像とともに確定された心臓検査の結果が提示され、これにより、ブロックされた動脈に関連する特定の視覚的パターンを学習することができました。RET-IRV2と名付けられたこのモデルは、単に閉塞を見つけるように教えられただけでなく、患者の年齢や性別といった基本的な詳細を推定するように学習されました。これは、コンピュータが画像の最も関連性の高い特徴に集中するのに役立つテクニックです。
この新しいツールの真のテストは、研究者がこれを全く異なるグループである4つの医療センターの3,300人以上の患者に適用したときに訪れました。この外部検証において、コンピュータモデルは驚くほど効果的であることを証明しました。モデルは、高い精度で閉塞性冠動脈疾患の存在を正しく特定し、現在医師が使用している標準的な手法を大幅に上回りました。年齢、性別、症状に基づいてリスクを算出するこれらの伝統的な手法は、ブロックがある患者とない患者を区別することに苦慮することがよくあります。研究では、コンピュータモデルのこれらグループを分離する能力は、更新されたダイヤモンド・フォースター・モデル、デューク・クリニカル・スコア、さらには血圧やコレステロール値を含む標準的な統計計算よりもはるかに優れていました。
この発見を特に説得力のあるものにしているのは、コンピュータが患者の病歴や血液検査の結果を入力することなく、眼の画像のみを使用してこの成功を収めたという点です。コンピュータがどのように意思決定を行っているかを理解するために、研究者は網膜画像の一部をデジタル的に隠す一連の実験を行いました。血管の部分をマスク（遮蔽）すると、コンピュータの性能は大幅に低下しました。これは、コンピュータが実際にブロックされた動脈に関連する微細な血管の構造や外見に依存して診断を下していることを裏付けています。このことは、モデルが単にランダムなパターンに基づいて推測しているのではなく、心疾患に伴う全身的な血管の変化を真に検出していることを示唆しています。
また、研究は即時的な診断を超えて、コンピュータの予測が、ブロックが確認された患者の将来の健康状態とどのような関係があるかについても調査しました。疾患を持つ患者を最大2年間追跡した結果、コンピュータモデルによるスコアが高い患者ほど、心臓発作、脳卒中、または死亡といった主要な心血管イベントを経験する可能性が高いことがわかりました。これは、網膜に捉えられた視覚情報が、疾患を特定するだけでなく、基礎疾患の重症度や患者が直面する将来のリスクについての洞察をも提供できる可能性があることを示しています。
こうした有望な結果にもかかわらず、研究者たちは自らの研究の限界についても慎重に述べています。本研究は、患者がすでに侵襲的検査に照会されている特定の環境で行われたため、実際の疾患率が非常に高いグループを対象としており、これは心臓のブロックがそれほど一般的ではない一般人口とは異なります。モデルはまだ、目の色素沈着や血管構造の違いが結果に影響を与える可能性のある、東アジア以外の集団や低リスク層ではテストされていません。さらに、コンピュータが将来の心血管イベントを予測する能力は興味深い発見ではありますが、個々の結果を予測する証明されたツールではなく、さらなる研究のための仮説として提示されています。
この研究の意義は、心疾患スクリーニングの未来において極めて重要です。もしこれらの知見がより広く多様な集団でも成立すれば、網膜写真は強力な非侵襲的スクリーニングツールとなる可能性があります。それは、どの患者が本当に侵襲的な心臓検査を必要とし、どの患者がよりリスクの低い方法で安全に経過観察できるかを、医師が判断する助けとなるでしょう。単純で痛みのない写真から患者の血管の健康状態をより明確な画像として提供することで、この技術は診断経路を洗練し、不必要な処置を減らし、最終的には心臓疾患の疑いがある何百万人もの人々のケアを向上させる可能性を秘めています。この研究は、しばしば「魂の窓」と呼ばれる目が、心臓の健康を知るための明快な窓にもなり得ることを示しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。