AI医療画像診断で老化を可視化—胸部X線検査が死亡リスク予測の新指標に

深層学習を用いてX線胸部写真から推定した「放射線学的年齢」が、従来の臨床因子を大きく上回る死亡リスク予測能を持つことが大規模コホート研究で示されました。動的な老化速度の監視がより有用であることも明らかになっています。

背景

加齢に伴う生理的変化は胸部X線画像に反映されます。しかし、同じ年齢の患者でも画像所見の老化度には大きなばらつきがあり、この差が健康寿命にどう関連するかは不明でした。本研究では、健康な対象者で訓練した深層学習モデル「AgeNet」を用いて、X線胸部写真から個人の生物学的な「老化程度」を定量的に評価することを試みました。

主な発見

40〜80歳の韓国人421,894名を対象とした研究では、以下の結果が得られました：

• 加速された老化の影響：放射線学的年齢が実年齢より5年以上高い患者は、全死因死亡リスクが男性で1.26倍、女性で1.52倍に上昇しました。特に心血管疾患、癌、呼吸器疾患による死亡リスクが顕著に増加し、女性でより強い関連性が観察されました。
• 減速された老化の保護効果：逆に、放射線学的年齢が実年齢より1.5年以上低い患者では、全死因死亡リスクが低下（男性0.78倍、女性0.76倍）し、より健康的な老化を示していました。
• 老化速度の独立的な予測価値：3回以上の連続撮影が可能だった179,667名では、老化速度（年1.5年以上の加速）が独立した死亡予測因子として機能し、初回時の加速老化の有無にかかわらず、リスク比1.51〜1.71倍の死亡率上昇をもたらしました。

臨床的意義

本研究の重要な点は、すべての患者が定期的に受ける胸部X線検査という「既存の医療資源」から、追加費用なく死亡リスク評価が可能になることです。ハザード比や死亡率比の大きさから判断すると、このAI駆動型バイオマーカーは従来の臨床リスク因子を大幅に上回る予測性能を示しています。特に縦断的な監視（動的評価）の価値が重要で、単一時点での評価より、年単位での老化速度変化が患者の予後を更に正確に捕捉することが示唆されています。このアプローチにより、介入対象となる高リスク患者を特定し、健康寿命延伸に向けた個別化医療が実現する可能性があります。

研究の限界

本研究は韓国人を対象とした後方視的コホート研究であるため、他の民族への適用可能性の検証が必要です。また、加速老化のメカニズムや、その背景にある病態についての詳細な解析は本研究の範囲外となっており、今後の機序解明研究が期待されます。

Original paper: Accelerated Aging and Aging Velocity from Deep Learning-based Chest Radiograph-derived Age for Predicting Cause-specific Mortality. — Radiology. Artificial intelligence. 10.1148/ryai.250609

🎧 ポッドキャストを聴く