新しい研究は、AIを使用して網膜の画像を分析することで、カフや物理的接触なしで血圧生体測定が間もなく可能になる可能性があることを示唆しています。研究者らは、深層学習モデルにより、非散瞳眼底写真から標準的な腕帯測定に匹敵する精度で収縮期血圧と拡張期血圧を推定できると報告しています。
血圧生体測定に改善が必要な理由
血圧は依然として最も広く使用されている臨床指標の 1 つですが、従来のカフ測定では、測定値間で大きく異なる可能性がある短いスナップショットしか取得できません。ストレス、姿勢、時間帯、いわゆる白衣効果により、収縮期値は連続測定で 10 mm Hg も変動することがあります。これらの制限は、短期間の測定値が患者の長期的な高血圧負荷をほとんど反映していない可能性があることを意味します。慢性高血圧は網膜微小血管系に永続的な構造変化を残すため、研究者は、網膜イメージングが血圧状態のより安定した生物学的に意味のある測定値を提供できないかどうかをますます研究しています。
研究デザインと AI モデルのパフォーマンス
この研究では、英国バイオバンクの51,000人以上の参加者からの105,000枚以上の網膜画像が使用されました。研究者らは、同じ訪問中に取得されたペアの眼底画像と腕帯の測定値を使用して、収縮期血圧と拡張期血圧を予測するように畳み込みニューラル ネットワークをトレーニングしました。袖口の測定値は参照標準として機能しました。このモデルは、収縮期血圧で 9.81 mm Hg、拡張期血圧で 6.00 mm Hg の平均絶対誤差を達成し、決定係数はそれぞれ 0.36 と 0.30 でした。これらの誤差範囲は、手動カフ測定の既知のばらつきに匹敵し、母集団の平均のみを使用して血圧を予測するよりも大幅に優れていました。
慢性血圧評価への影響
モデルの視覚化は、AI が主に網膜の血管構造と視神経乳頭の特徴に依存していることを示唆しており、網膜の構造が一時的な変動ではなく長期的な血管ストレスを反映しているという考えを裏付けています。研究者らは、網膜血圧生体測定は糖尿病におけるHbA1c検査と同様に機能し、瞬間的な測定値ではなく慢性的な生理学的状態についての洞察を提供する可能性があると主張している。現実の環境での性能を検証するには追加の臨床試験が必要ですが、今回の研究結果は、非接触網膜イメージングが、特に持続的な高血圧や微小血管リスクの特定において、最終的には既存の血圧モニタリングを補完または強化できる可能性があることを示しています。
参照
ブレスラー I et al.非散瞳眼底イメージングの AI ベースの分析を使用した非接触光学式血圧生体測定。 BMJイノベーションズ。 2026;bmjinnov-2025。
1770977961
#血圧生体測定のための #網膜イメージング
2026-02-13 10:01:00