早産児網膜症スクリーニングの効率化：血管評価に基づくAI活用リスク予測モデル

早産児網膜症（ROP）のスクリーニングにおいて、妊娠週数と血管重症度スコアを組み合わせたリスク予測モデルが、検査の負担軽減と感度の維持を両立させることが報告されました。

背景

早産児網膜症（Retinopathy of Prematurity, ROP）は、早産児における視覚障害の主要な原因です。治療が必要なROP（TR-ROP）の早期発見のため、定期的な眼底検査によるスクリーニングが標準的に行われています。しかし、頻回の検査は早産児に身体的・心理的ストレスをもたらし、医療従事者の負担や医療コストも増加させます。

より効率的なスクリーニング体制の構築に向けて、治療が必要となる時期をより正確に予測するリスク予測モデルの開発が期待されていました。特に、妊娠週数や修正年齢といった従来の因子に加えて、眼底の血管所見を定量的に評価することの有用性に注目が集まっていました。

主な発見

本研究は、i-ROP consortium と SUNDROP コホートのデータを用いて、ロジスティック回帰モデルを開発・検証しました。妊娠週数と修正年齢に血管重症度スコア（VSS）を加えることで、以下の成果が得られました：

• 血管重症度スコアの追加により、判別能（AUROC）が i-ROP で 0.13、SUNDROP で 0.08 向上
• 適切な予測閾値を設定することで、100% の感度（治療が必要なすべての症例を検出）を達成
• その際の特異度は i-ROP で 63%、SUNDROP で 73%
• リスクベースの検査スケジューリングにより、検査回数を i-ROP で 28%、SUNDROP で 39% 削減できる可能性

また、臨床医が視覚的に評価した P スコアで血管重症度スコアを代替した場合でも、モデルの性能（AUROC 0.87、感度 100%）は維持されました。これは、深層学習に基づくAI導出スコアと臨床的評価の相互補完性を示唆しています。

臨床的意義

この検証済みのリスク予測モデルが実臨床で導入された場合、複数のメリットが期待されます。第一に、不要な検査の削減により、早産児が受ける身体的・心理的ストレスを軽減できます。第二に、医療従事者の業務負担やスクリーニングに要する医療資源を効率化できます。第三に、医療コスト削減に貢献する可能性があります。

本モデルは、テレメディシンベースのスクリーニング体制と組み合わせることで、特に資源が限定される施設での活用が有望と考えられます。ただし、提案された予測モデルの実装には、各施設の具体的なワークフローに基づいた前向き臨床試験が必須です。

限界

本研究は診断的検証研究ですが、実際の臨床現場での運用を前提とした前向き臨床試験はまだ実施されていません。したがって、提案されたリスク予測モデルのルーチン導入には、定義されたワークフローの下での実装研究が必要です。また、本モデルの性能が、異なる人種背景や地域特性を持つ集団で一貫して維持されるかについても、さらなる検証が期待されます。

Original paper: Precision Risk Model Using Quantitative Assessment of Vascular Severity in Telemedicine-Based Screening. — JAMA ophthalmology. 10.1001/jamaophthalmol.2026.0510

🎧 ポッドキャストを聴く