頭部CTスキャンから心血管疾患リスクを予測する新しいAI技術 —緊急外来での「ついで検診」の可能性

緊急外来で撮影された頭部CT画像から深層学習モデルを用いて心血管疾患リスクを予測する方法が開発されました。既存の臨床リスク評価に画像解析を組み合わせることで、予測精度が大幅に向上し、従来のリスク評価では見落とされていた若年患者の隠れた血管病変も検出できることが示されました。

背景

心筋梗塞や脳卒中などの心血管疾患は依然として主要な死因ですが、多くの患者が発症前の段階では見逃されています。特に若年層では症状がないため、積極的なリスク評価の対象になりにくいという課題があります。一方、米国ではミリオンを単位で毎年、緊急外来で頭部CT検査が実施されています。この研究は、こうした「すでに撮影されている画像」を有効活用し、追加の検査や被曝なしに心血管疾患リスクをスクリーニングできる可能性を探ったものです。

主な発見

CTH+PREVENT複合モデルは、従来の臨床リスク評価（PREVENT）単独のC-index 0.75と比べ、0.82（95% 信頼区間: 0.78-0.85）を達成し、予測精度が7ポイント向上しました
冠動脈カルシウムスコア推定では、CTH+PREVENTモデルがC-index 0.76、カルシウムスコア100以上の検出でAUC 0.80を達成し、15.7%の患者がリスク階層で再分類されました
リスク上昇に再分類された患者は中央値で59歳と比較的若年であるにもかかわらず、従来のリスク因子プロフィールは良好でしたが、血管石灰化（30.2% vs 24.8%）と脳梗塞（20.1% vs 5.8%）の有病率が有意に高かった
時間経過による検証でもモデルの予測性能は保持され、異なる時期に撮影された患者グループでもAIモデルの有効性が確認されました

臨床的意義

本研究の最大の利点は、追加の医療費、放射線曝露、ワークフロー負担なしに心血管疾患リスク評価ができることです。緊急外来はすべての成人患者が対象となる可能性がある場所であり、年間数百万人が頭部CTを受けています。AI技術を組み込むことで、従来の診断基準では「低リスク」と判定されていながらも、実際には隠れた血管病変を持つ患者を検出でき、より早期の介入や予防的治療に結びつけることが期待されます。特に若年患者で典型的なリスク因子を持たない場合でも、脳画像上の所見から心血管疾患の危険性が推測できる点は、個別化医療の実現に向けた重要な一歩といえます。

限界

本研究はスタンフォード大学附属病院での単一機関のデータに基づいており、他の医療施設での結果の再現性は今後の課題です。また、深層学習モデルは「ブラックボックス」的な側面があり、なぜそのような予測を行うのか臨床医が直感的に理解しづらい可能性があります。さらに、研究対象は主に米国の患者であるため、異なる人種や遺伝的背景を持つ集団への適用可能性についても検証が必要です。今後は多施設共同研究による外部検証と、AI予測に基づいて実際に介入した場合の臨床転帰改善の有無を検証するランダム化比較試験が求められます。

Original paper: Opportunistic Cardiovascular Risk Assessment Using Routine Head CT in the Emergency Department. — Journal of the American College of Cardiology. https://doi.org/10.1016/j.jacc.2026.02.5095

🎧 ポッドキャストを聴く