AIで変わる大動脈弁狭窄症スクリーニング：初心者でも可能にするFoCUSの新展開

注目ポイント

– 深層学習アルゴリズムは、複数の検証コホートにおいて、中等度以上の大動脈弁狭窄症（Aortic Stenosis, AS）の検出で高い精度（AUROC 約0.99）を示した。
– AI支援のFocused Cardiac Ultrasound（FoCUS）を用いることで、初心者オペレーターによる撮像でも自動的かつ高精度なASスクリーニングが可能となった。
– 感度および特異度はいずれも、専門家撮像例・初心者撮像例の双方で90%を上回った。
– AIでフラグ付けされた症例、または判読不能症例に対する専門医レビューにより、診断の陽性的中率（PPV）は大幅に改善した。

研究背景

大動脈弁狭窄症は、大動脈弁の進行性狭窄を特徴とし、適時に診断されなければ高い罹患率および死亡率につながる。高齢化集団において特に頻度の高い弁膜症の一つである。中等度または重度のASを早期に同定することは、経過観察や弁置換術などの適切な介入時期を判断するうえで重要であり、予後の改善にも寄与しうる。しかし、現在のスクリーニングは主として、訓練を受けた検査技師および循環器専門医が実施する包括的心エコー検査に依存している。この要件は、特に医療資源の限られた地域や遠隔地におけるスクリーニング提供を制限している。

Focused Cardiac Ultrasound（FoCUS）は簡略化された心エコー技法であり、ベッドサイド・スクリーニングに有望である一方、従来は画像取得および解釈の双方に高度な操作者技能を要した。近年の人工知能（AI）および深層学習の進歩により、画像取得の誘導と診断解釈の自動化によってこれらの障壁を克服できる可能性が生まれており、非熟練者でも有効なスクリーニングを実施し、アクセスを拡大できる可能性がある。

研究デザイン

本診断研究は、中西部、アリゾナ州、フロリダ州にある地理的に異なる3つのMayo Clinic施設で、後ろ向きおよび前向きの段階を組み込んで実施された。後ろ向き段階では、2005年1月から2022年9月までに収集された心エコーデータセットを用いて深層学習アルゴリズムを訓練・検証した。モデル開発には6,753例、3つの検証コホート合計3,608例が含まれた。アルゴリズムは中等度以上の大動脈弁狭窄症の検出を目的として設計された。

前向き段階では、AI誘導FoCUSシステムを用いて、経験豊富な検査技師と初心者オペレーター（非専門家）の双方が心臓超音波動画クリップを取得した。前向き研究には、2024年と2025年の2期間に登録された専門家による602件の検査および初心者による1,302件の検査が含まれた。アルゴリズムは取得された画像を自動評価し、中等度以上のASの有無を判定した。

主要評価項目は、受信者動作特性曲線下面積（AUROC）で測定した検出精度、感度、特異度、および陽性的中率（PPV）であった。また、AIでフラグ付けされた検査、または判読不能な検査に対して循環器専門医によるレビューを行い、診断能への影響を評価した。

主要な結果

深層学習モデルは、院内検証コホートおよび外部検証コホートの双方において、中等度以上のASの検出でほぼ完全な識別能を示した。院内テストセットでのAUROCは0.99（95% CI 0.98-1.00）、アリゾナ州およびフロリダ州の検証コホートでは、それぞれ0.99（95% CI 0.97-1.00、0.96-1.00）であった。

経験豊富な検査技師が実施したFoCUSでは、アルゴリズムの感度は95%（95% CI 82-99）、特異度は97%（95% CI 95-98）であり、偽陰性・偽陽性が少なく、信頼性の高い検出を示した。注目すべきことに、初心者オペレーターが取得したFoCUS検査の96.6%（1,258/1,302）は自動判定に適していた。感度は93%（95% CI 82-99）、特異度は96%（95% CI 95-97）であり、AIの誘導下で未訓練者が撮像した場合でも、堅牢な性能が確認された。

AI陽性例および判読不能例に対する専門家による判定は、診断収率を大きく改善した。PPVは49.4%から91.1%へ上昇し、感度は85.4%であった。AIスクリーニングと専門家レビューを組み合わせるこのハイブリッドアプローチは、追加評価が必要な症例のトリアージを通じて、臨床ワークフローの最適化に寄与しうる。

専門家コメント

これらの知見は、弁膜症スクリーニング技術における重要な進歩を示している。AIが初心者に診断可能な品質の心エコー画像を取得させ、大動脈弁病変を正確に解釈できることを示したことで、本研究はASスクリーニングのアクセス性における大きな制約を解決しうる。

報告された指標は非常に優れているが、いくつか注意点もある。本研究はMayo Clinicの施設で、特定の画像装置とプロトコルのもとに実施されており、他の環境や機器への一般化可能性についてはさらなる検証が必要である。さらに、臨床実装には、判定困難症例に対する専門家レビューの円滑なワークフローと、適切なフォローアップ経路が必要となる。臨床転帰、医療費、患者の受診継続への影響は、実臨床での導入後に明らかになると考えられる。

結論

検証済みのAI搭載アルゴリズムは、初心者オペレーターが取得したFoCUSを用いて、中等度以上の大動脈弁狭窄症をスクリーニングするための、拡張性が高く有効な手法を提供する。この革新は、ASスクリーニングを専門施設の外へ広げ、より早期の疾患発見と広範な集団における迅速な介入を可能にする潜在力を持つ。今後の研究では、この技術の臨床的インパクトを十分に引き出すため、実装戦略、長期転帰、経済的利益を検討する必要がある。

研究資金およびClinicalTrials.gov

本研究はMayo Clinicの研究基盤により支援された。Mayo Clinic施設で実施された前向き研究は、施設内倫理審査委員会の承認に準拠していた。原著には臨床試験登録番号の記載はなかった。

参考文献

Lee E, Naser JA, Kane CJ, Kovac JL, Greason C, Killalea MM, et al. Artificial Intelligence-Enabled Acquisition and Interpretation for Screening Aortic Stenosis. JAMA Cardiology. 2026 Aug 28. PMID: 42661496.
Otto CM, Nishimura RA, Bonow RO, et al. 2020 ACC/AHA Guideline for the Management of Patients With Valvular Heart Disease. Circulation. 2021;143(5):e72-e227.
Thaden JJ, Nkomo VT, Enriquez-Sarano M. The global burden of aortic stenosis. Prog Cardiovasc Dis. 2014;56(6):565-571.
Davenport A, Slomka PJ, Leung S, et al. Artificial intelligence-assisted focused cardiac ultrasound for evaluation of aortic valve disease: a review. Eur Heart J Cardiovasc Imaging. 2023;24(2):115-124.