オックスフォード大学のAIが、7万2000人の患者を対象とした日常的なCTスキャンから、心不全の初期リスクを86%の精度で検出

by アリサ・デビッドソン

公開日：10年2026月10日午前37時10分更新日：2026年10月38日午前XNUMX時XNUMX分

by アナスタシア・O

編集および事実確認: 10 年 2026 月 10 日午前 37 時 XNUMX 分

簡単に言えば

オックスフォード大学の研究者らは、日常的なCTスキャンから心臓脂肪の微妙で目に見えない変化を検出するAIシステムを開発し、7万2000人の患者を対象に、最大5年先の心不全リスクを86％の精度で予測することに成功した。

https://mpost.io/alphaton-capital-announces-43m-ai-infrastructure-and-financing-partnership-with-vertical-data/?_nocache=1775829468152

の研究者オックスフォード大学人工知能システムを開発し、患者の心不全発症リスクを最大5年先まで予測することに成功した。7万2000人以上の患者を対象とした検証では、86%の精度を達成している。このシステムは、臨床現場で日常的に行われている心臓CTスキャンを利用するため、追加の検査、専門医による介入、新たな医療機器は不要である。

チャラランボス・アントニアデス教授が主導し、米国心臓病学会誌に掲載されたこの研究は、心臓病学における長年の課題、すなわち心不全は通常、すでに重大な構造的損傷が生じてから初めて診断され、その時点では予防策が限られているという問題に取り組むものである。提案されたシステムは、目に見える症状が現れる数年前から存在する初期の生物学的変化に注目する。

このモデルの中心となるのは、従来とは異なるデータソース、すなわち心臓を囲む脂肪組織、いわゆる心膜脂肪組織である。この組織は、通常の画像診断では見過ごされがちだが、心筋自体で起こっている炎症や代謝の変化を反映していると考えられる。

研究者らによると、これらの脂肪沈着物は、心血管系のストレスに応じて徐々にその質感を変化させ、標準的な画像診断では検出できないパターンを生み出すという。AIシステムは、こうした微妙な変化を識別し、将来の心不全リスクを定量的に推定するように設計されている。

人間の目には見えない信号を読み取る

心臓CT検査は、胸痛の調査や冠動脈疾患の評価のために英国国民保健サービス（NHS）で広く用いられており、年間数十万件の検査が実施されている。一般的な臨床ワークフローでは、放射線科医は主に動脈閉塞や目に見える異常に焦点を当て、周囲の脂肪組織については分析上の注意がほとんど払われない。

オックスフォード大学のモデルは、心膜脂肪内のテクスチャ特徴を分析することで、これまで見過ごされてきたこのデータ層を有効活用しています。59,000人以上のNHS患者の匿名化されたCTデータで訓練された機械学習技術を用いることで、このシステムは、特定の画像パターンと長期追跡期間におけるその後の心不全の発症との関連性を学習しました。

13,424人の追加患者を対象とした検証試験において、このモデルは5年後の心不全リスク予測において86%の精度を示した。最もリスクの高いグループに分類された人は、最もリスクの低いグループに分類された人に比べて、心不全を発症する可能性が約20倍高く、5年以内に発症する確率は4人に1人と推定された。

重要な点として、このシステムはリスクスコアを自動的に生成するため、臨床医による手動入力は不要です。そのため、既存の診断プロセスに取って代わるものではなく、意思決定支援ツールとしての可能性を秘めています。

心臓スキャンからあらゆる胸部CTまで、そしてNHSへの道

この研究のより広範な目標は、心臓疾患に特化した画像診断にとどまらず、技術を応用範囲を拡大することである。研究チームは現在、肺がん検診や呼吸器疾患の診断などで使用される標準的な胸部CTスキャンを解析できるよう、モデルの改良に取り組んでいる。心臓疾患に特化したスキャンに比べて胸部CT画像の撮影量がはるかに多いことを考えると、このような改良によってシステムの適用範囲は大幅に拡大する可能性がある。

臨床的には、その意義は早期介入にある。症状が現れる何年も前に高リスク患者を特定することで、医療従事者はモニタリング戦略を調整し、予防的治療をより早期に開始し、資源をより効果的に優先的に配分することができる。英国ではすでに100万人以上が心不全に罹患しており、長期的な医療需要への潜在的な影響は相当なものである。

現在、NHS（英国国民保健サービス）における日常的な放射線検査ワークフローへの統合に向けた規制当局の承認取得に向けた計画が進められている。採用されれば、このシステムは標準的な画像診断手順のバックグラウンドで動作し、追加費用やスキャン手順の変更なしに、自動的にリスク評価を行うことになる。

この研究は、英国心臓財団とオックスフォードにある国立医療研究機構生物医学研究センターの支援を受けて実施されました。これは、医療画像分野におけるより広範な変化を反映したものであり、人工知能は既存の疾患の検出だけでなく、日常的なスキャン画像に埋め込まれた、これまで十分に活用されてこなかった微細な生物学的信号から将来のリスクを推測するためにも、ますます活用されるようになっています。

タグ：

免責事項

に沿ってトラストプロジェクトのガイドライン, このページで提供される情報は、法律、税金、投資、財務、またはその他の形式のアドバイスを目的としたものではなく、そのように解釈されるべきではないことに注意してください。損失しても許容できる金額のみを投資し、疑問がある場合は独立した財務上のアドバイスを求めることが重要です。詳細については、利用規約のほか、発行者または広告主が提供するヘルプおよびサポートページを参照することをお勧めします。 MetaversePost は正確で公平なレポートに努めていますが、市場の状況は予告なく変更される場合があります。