結膜血管動画から非侵襲的に血球数を予測——深層学習が実現する採血なし診断の可能性

眼の結膜血管を撮影した高倍率動画から、深層学習を用いてヘモグロビン濃度と赤血球数を予測する手法が報告されました。採血なしで血球数の推定が可能になれば、特に医療資源が限定される環境での貧血スクリーニングに役立つ可能性があります。

背景

ヘモグロビン値や赤血球数の測定は、貧血診断の基本となる検査です。しかし従来の方法は採血が必要であり、患者の負担や医療設備の制約が課題となります。特に途上国や在宅医療の現場、定期的なモニタリングが必要な患者では、より簡便で侵襲性の低い測定方法の開発が望まれています。近年、深層学習を応用して眼などの非侵襲的な測定部位から生理情報を抽出する研究が進展しています。この研究は、高倍率で撮影した眼球結膜の血管動画から血球数を推定できるかを検証したものです。

主な発見

• 224名の参加者（平均年齢59.2歳）から、50倍の高倍率で撮影した10秒間の結膜血管動画を取得し、解析しました
• VesselNetと名付けられた深層学習モデルは、ヘモグロビン濃度予測でSpearmanの相関係数（ρ）= 0.47、赤血球数でρ = 0.46を達成しました
• 貧血検出（ヘモグロビン <11 g/dL）の際の曲線下面積（ROC-AUC）は82.8%（95%信頼区間：73.9%-90.3%）でした
• 細い血管（≤8ピクセル）は太い血管よりも有用で、予測精度がそれぞれρ = 0.47とρ = 0.30でした
• 1本の血管のみの使用と比べ、16本の血管データを統合することで、相関係数が0.42から0.47に、AUCが78.5%から82.8%に向上しました
• 異なる人種集団での検証では、ROC-AUCが82.9%-89.3%の範囲で安定した性能を示しました

臨床的意義

本手法の最大の利点は非侵襲性です。採血が困難な乳幼児、高齢者、あるいは針への恐怖心が強い患者でも、簡単な眼の撮影で血球数の推定値を得られる可能性があります。また、頻繁なモニタリングが可能になれば、化学療法中の患者や慢性疾患患者の血液検査データを自宅で定期的に取得することも考えられます。現在のところ、完全な臨床検査の代替にはなりませんが、医療機関へのアクセスが限定される地域でのスクリーニングツールや、患者トリアージの補助として活用できる可能性があります。

限界と今後の課題

相関係数0.47程度では、臨床的意思決定には十分な精度とは言えません。さらに精度を高めるには、より高解像度の撮影技術、より大規模で多様な背景を持つ研究参加者、そしてアルゴリズムの改善が必要です。また、本研究は横断的な設計であり、縦断的な変化の予測能については明らかにされていません。実装にあたっては、価格やアクセス性、操作の簡便性といった実用的な課題も解決する必要があります。今後、これらの課題を克服できれば、医療の民主化と患者負担の軽減に貢献する技術になるかもしれません。

Original paper: Towards noninvasive blood count using a deep learning pipeline from bulbar conjunctiva videos. — NPJ digital medicine. 10.1038/s41746-026-02598-2

🎧 ポッドキャストを聴く