心臓CT画像のAI解析で心不全を予測──脂肪組織が示す危険信号

ルーチンの心臓CT検査に映った心筋上脂肪をAIで解析することで、症状のない患者さんの心不全リスクを高精度に予測できる新しい方法が報告されました。この放射線像解析技術は、早期発見と予防戦略に大きな可能性を秘めています。

背景

心不全は世界的に罹患と死亡の主要な原因であり、その発症率は年々増加し続けています。しかし、症状が出現する前の無症候期に心筋がどのように変化しているかを検出することは、臨床的に非常に困難です。従来のリスク評価方法は、血液バイオマーカー（BNP、NT-proBNPなど）や心臓超音波検査の所見に主に依存していますが、これらの指標では早期の心筋リモデリング（心臓の構造的・機能的な変化）をとらえられない場合が少なくありません。

近年、医療画像解析技術（ラジオミクス）の進歩により、CT画像やMRI画像から数千の画像パターン特徴を自動で抽出し、機械学習モデルで疾患リスクを予測する研究が急速に広がっています。特に心臓周囲に存在する脂肪組織（心筋上脂肪）は、脂肪細胞の分泌物や炎症メディエーター産生を通じて、心筋の機能に直接的な影響を及ぼす可能性があり、心不全との関連が注目されています。

主な発見

• 英国9施設から心不全既往のない72,751人を対象とした大規模多施設研究（ORFAN）が実施されました。自動解析パイプラインにより、心臓を覆う脂肪組織から1,655の放射線像特徴を抽出し、サイト間の違いを補正した上で機械学習モデルを開発しました
• 開発された予測指標FRP_HF（脂肪放射線像心不全プロフィール）は、内部検証でC統計量0.869、外部検証でも0.850という高い判別能を示し、異なる地理的位置の医療機関での汎用性が確認されました
• FRP_HFが25パーセンタイル増加するごとに、調整済みの心不全発症リスクは約4倍上昇し、最高リスク層（最高十分位）の患者さんは最低リスク層（最低十分位）に比べて約20倍の相対リスクを示しました
• 従来の心血管リスク評価モデルにFRP_HFを追加すると、5年間の予測精度（AUC）が有意に向上（外部検証で0.047改善）し、患者さんのリスク分層がより適切に改善されました（正味再分類指数0.39）
• この指標の有効性は、性別、年齢層、冠動脈疾患の程度、左室駆出率の状態（HFrEF、HFmrEF、HFpEF）を問わず一貫性を示しました
• 興味深いことに、FRP_HFは心筋梗塞の発症予測には有用性を示さず、この指標が心臓の筋肉の異常を特異的に反映していることが示唆されます

臨床的意義

本研究成果は、無症状患者における心不全リスクを客観的かつ自動的に検出する新たな臨床ツールを提供します。心臓CT血管造影検査は冠動脈疾患の評価を目的に、日本を含め世界中で広く実施されており、その検査画像から追加の検査コストなしに心不全リスク情報を抽出できる点が大きな実用的利点です。

心不全発症の高リスク患者を早期に同定することで、予防的な医学的介入、例えば薬物療法の導入や生活習慣改善指導の対象患者を効率的に選定することが可能になります。さらに、今後開発される脂肪組織の機能を調整する新規治療薬の臨床開発や患者選定にも活用される可能性があります。このアプローチは、個別化医療と精密医療の実現に向けた重要なステップとなり得るでしょう。

限界と今後の課題

本研究は英国の医療機関を中心とした欧米集団で実施されており、他の人種・民族集団における有効性については今後の検証が必要です。また、後ろ向き観察研究という研究デザインの特性上、因果関係を証明することはできず、前向き臨床試験による確認が望まれます。臨床現場での実装には、自動解析システムの構築と継続的な維持、既存の電子カルテシステムとの統合、そして医療従事者に対する新しいリスク指標に関する教育と啓発が重要な課題となるでしょう。

Original paper: Early Prediction of Heart Failure From Routine Cardiac CT Using Radiomic Phenotyping of Epicardial Fat. — Journal of the American College of Cardiology. 10.1016/j.jacc.2026.02.5116

🎧 ポッドキャストを聴く