スマートフォンで撮った目の写真が心臓発作のリスクを判断し、スマートウォッチが脳卒中を経験する確率を推定できる。これは新しいイノベーションです。

人々が心臓病になる理由について私たちが知っていることの多くは、人口調査から来ています。研究者は、時間の経過とともに人々のグループを追跡し、心臓発作や脳卒中を起こした人を記録し、次に人々の健康習慣と特徴を振り返って、どれがそれらの健康結果と相関しているかを特定しました。医師は、喫煙、高コレステロール、高血圧などのよく知られた危険因子に基づいて人々を治療します。

しかし、おそらく5から10の危険因子だけでなく、200の危険因子があると予測されています。私たちの脳には有限の計算能力がありますが、機械学習ははるかに多くの変数に対応できます。コンピューターは何百万ものデータポイントを取り、リスクをはるかに正確に予測する可能性のあるモデルを考え出すことができます。

アルゴリズム（コンピューターに何をすべきかを指示する一連のルール）は、あらゆる種類のデータを処理できます。たとえば、血液検査の結果、心拍の電気的トレース（心電図または心電図）、心臓の超音波からの画像（心エコー図）、心臓のストレス検査、および遺伝情報を分析できます。将来的には、個人の電子健康記録にあるすべての健康データを取得し、高度な機械学習で処​​理できるようになる時代がくるでしょう

心臓病の分野では、2つの有望なアプリケーションには、心臓病を予測するための網膜スキャンと、心房細動を検出するための脈拍モニタリングが含まれます（両方とも以下で説明します）。専門家はまた、高度な技術がいつか危険な冠状動脈閉塞を非侵襲的に検出し、心臓が警告なしに突然鼓動を停止したときの突然の心停止をよりよく予測するより良い方法を発見するかもしれないことを望んでいます。

アイスパイ心臓病

Nature BiomedicalEngineeringの2018年3月号に報告された論文では、網膜の血管（目の後ろの光に敏感な組織）が、体全体の血管の健康状態を反映していることに注目しました。そのため、研究者は28万人以上から網膜の写真やその他の健康データ（年齢、血圧、喫煙習慣など）を収集しました。彼らは機械学習を使用して、写真に表示されている血管の微妙な違いに基づいて、心臓発作や脳卒中のリスクを予測するアルゴリズムを作成しました。

アルゴリズムをテストするために、彼らは写真から5年以内に主要な心臓イベントを起こした人々の網膜写真とそうでない人々の網膜写真を比較しました。アルゴリズムは70％の確率で正確でした。おどろくべき高率です。

ここでとくに目新しいのは、網膜の単一の画像が、年齢、血圧、コレステロールなどの従来の危険因子を使用するのと同じくらい正確に心臓発作を予測できることです。

心房細動にも注目を

2018年3月21日にJAMA心臓病学で報告された研究を紹介します

研究者たちは、心拍数を追跡するスマートウォッチにあるセンサーが心房細動も検出できるかどうか疑問に思いました。調べるために、彼らは心房細動の347人を含むHealtheHeart研究で9,750人を研究しました。全員がAppleWatchを使用しており、心拍数と歩数のデータを定期的に収集しています。

これらの人々は、研究者がafibを検出するためのアプリをトレーニングするために使用した「ビッグデータ」（1億3900万回以上の測定値）を提供しました。次に、薬物または電気を使用して規則的な心臓のリズムを回復する治療である電気的除細動を受けていた心房細動の51人でアプリをテストしました。このグループの中で、アプリは、afibの標準的な診断テストである12誘導心電図と比較して非常に正確でした。ただし、自己申告による心房細動のある1,617人を対象にテストした場合、このアプリの効果は中程度でした。この「概念実証」研究は、現在大変注目されています。

2017年11月に開始されたはるかに大規模な調査であるAppleHeart Studyは、最大50万人のボランティアを対象にAppleWatchでさまざまなafib検出アプリをテストしています。アプリが不整脈を検出した場合、参加者は通知（時計とiPhoneを介して）、治験担当医師との無料相談、および追加のモニタリングのためのECGパッチを受け取ります。研究が成功すれば、それは途方もない進歩であり、心房細動について人々をスクリーニングする私たちのアプローチを根本的に変えるでしょう