米イェール大が心電図画像から心不全リスクを予測するAIを開発

定期健診で誰もが一度は経験する心電図検査。胸や足首に電極を貼り、機械から波形が印刷された紙が出てきますが、通常は医師がその場で不整脈や虚血がないかを確認して終わりです。

しかしエール大学医学部の研究チームは、その紙の波形から「未来の心不全」を予見できる仕組みを作り上げました。

同大学の循環器データサイエンス（CarDS）ラボが率いる研究チームは、標準的な12誘導心電図の画像や写真から、将来心不全を発症するリスクが高い人を特定できるAIツールを開発しました。論文は欧州心臓病学会の学術誌「European Heart Journal」に掲載されています。

スマホで撮った心電図写真からリスクを判定

心不全は世界中で数百万人が罹患する一般的な循環器疾患ですが、症状が悪化してから見つかるケースが少なくありません。

筆頭著者のラヴディープ・シン・ディンガラ医師によると、従来の高リスク群の特定には、詳細な病歴の聴取や診察、複数の血液検査が必要であり、設備が整っていない医療現場では実施が困難でした。

一方で心電図は、身体への負担がなく、低コストで、世界中のほぼすべての医療現場に普及しています。

今回開発されたAIモデルの大きな特徴は、心電図の生データだけでなく、紙に印刷された12誘導心電図をスマートフォンなどで撮影した写真を入力としても高精度にリスクを層別化できる点です。患者が自覚症状を示すかなり前の段階で、将来のリスクを予測できます。

米・英・ブラジルの3カ国で有効性を検証

医療AIの開発で常に課題となるのが、開発元の病院以外では精度が落ちてしまう「過学習」や地域差です。

研究のシニアオーサーであるローハン・ケラ助教授らのチームは、このモデルを米国、英国、ブラジルの多様な患者集団で検証しました。

結果として、異なる人種や医療環境をまたいでも高い予測精度が維持されることが確認され、大規模な臨床導入に耐えうる汎用性が示されました。

この研究は、米国立衛生研究所（NIH）の傘下機関やドリス・デューク慈善財団の支援を受けて行われました。研究チームは、日常の医療現場へ公平に普及させることを次の目標に掲げています。

なぜ重要か

患者にとっての価値は、追加の血液検査や高額な画像診断を受けなくても、定期健診の心電図から将来の心不全リスクを把握できる点にあります。自覚症状が出る数年前から生活習慣の改善や予防的治療に入ることができれば、入院や早期死亡を減らせる可能性があります。

医療業界の視点で見ると、エール大学のアプローチは非常に現実的です。病院の基幹システムを改修してデジタル波形データを抽出させるのではなく、「紙の写真を読み込ませる」設計にしたことで、導入ハードルを極限まで下げています。リソースが限られた発展途上国や地域の診療所でも即座に展開できる強みがあります。

私たちは、既存のインフラを最大限に再利用するこのアプローチを賢明だと評価しています。高額な新検査を売り込むのではなく、普及しきった検査の価値をAIで跳ね上げる形だからです。

ただし懸念点もあります。写真入力を許容している以上、紙の折り目や照明の反射、撮影角度のズレといった現実のノイズが判定にどう影響するかは臨床現場でのさらなる検証が必要です。また、症状のない段階で高リスクと判定された患者に対し、過剰医療を招かずにどのような介入を行うべきかというガイドラインの整備も、今後の普及に向けた大きな課題になると考えられます。