通常の血液検査と機械学習で強度近視の合併症を検出

なぜ簡単な血液検査が視力を守る助けになるのか

強い近視だと厚い眼鏡が必要になることは多くの人が知っていますが、眼そのものを静かに傷つけ、白内障、緑内障、網膜剥離などの永久的な視力低下を引き起こし得ることに気づいている人は少ないでしょう。こうした合併症を検出するための機器—専用の眼底カメラや走査装置—は高価で、特に大病院以外では行き渡っていません。本研究は意外な代替案を検討します：日常的に行われる血液検査の結果を機械学習と組み合わせ、高度近視の人々の中で症状が現れるずっと前に深刻な眼合併症の可能性を示す人を見分けられるかどうか、という試みです。

一般的な眼の問題から静かな脅威へ

強度近視は通常、非常に強い近視として定義され、世界的に増加しています。単なる遠方視のぼやけにとどまらず、眼球が伸びて薄くなることで白内障や緑内障、黄斑（光に敏感な中心部）の障害、網膜剥離といったリスクが高まります。こうした状態は早期に発見されれば進行を遅らせたり治療したりできることがありますが、強度近視の多くの人が専門的な眼科検査を定期的に受けていません。光干渉断層法（OCT）などの高度な画像検査は詳細な眼の像を提供しますが、費用がかかり熟練したスタッフが必要で、多くの地域では不足しています。そのため、視力が既に大きく損なわれてからでなければ危険な変化に気づかれないことが多いのです。

日常の血液検査に手がかりはあるか

研究者たちは、既に健康診断で収集されている情報が役立つかを問いました。日常的な血液検査は安価で利用しやすく、一般的な健康管理のために何百万回と実施されています。以前の研究は、炎症、代謝、凝固に関連する特定の血中マーカーが眼疾患と関連する可能性を示唆していました。本研究では、中国の5病院で治療を受けた1万人超の強度近視患者のデータを集めました。中には合併症のない人もいれば、白内障、黄斑変性、網膜下の異常新生血管、緑内障、網膜剥離のいずれか1つを発症している人もいました。それぞれの患者について、白血球の種類、脂質レベル、凝固指標などを含む61項目の一般的な検査値を、機械学習アルゴリズムに入力し、血液のパターンが合併症の有無を識別できるかを検証しました。

眼リスクを示す9つの指標

多数のアルゴリズムの中で、ランダムフォレストと呼ばれるモデルが特に良好な成績を示しました。驚くべきことに、このモデルは61項目すべてを必要としませんでした。慎重な特徴選択の結果、好酸球や好塩基球とその比率、血小板、尿酸、トリグリセリドやアポリポタンパク質Bなどの血中脂質といった、普段測定される9つのマーカーだけでほぼすべての予測力を捉えられることが分かりました。これらのマーカーは、炎症、血中脂質、凝固が強度近視における眼障害に寄与するという既存の知見と整合します。これら9つの値だけを用いても、元の病院コホートで合併症のない強度近視と合併症のある強度近視を非常に高い精度で識別でき、さらに2つの追加病院群での検証でも性能は堅調でした。

コンピュータモデルから実地のスクリーニングへ

この手法が日常診療で機能するかを確かめるため、研究者たちは9マーカーのモデルを臨床医が採血時に使えるシンプルなウェブアプリに組み込みました。4,500人超の強度近視を対象とした前向き病院研究では、このツールがある人を高リスク、別の人を低リスクと判定しました。後でこれらの患者が詳細な眼科検査を受けたとき、高リスクと判定された人の方が実際に合併症を持つ確率がずっと高く、モデルが見逃すケースは比較的少数でした。研究チームはさらに地域での適用に踏み切り、定期健康診断に参加した30万人超の成人の中から特定された約1,900人の強度近視者に対してモデルを適用しました。モデルが高リスクと判定し、追加の眼科検査に同意した人のうち、ほぼ4人に3人が深刻な合併症であることが確認され、無差別に全員を紹介するよりもはるかに高い陽性的中率が得られました。

患者と医療体制にとっての意義

本研究は、標準的な血液検査パネルを慎重に訓練されたアルゴリズムで解釈することで、強度近視の人における危険な眼疾患の早期警報システムになり得ることを示唆します。これは専門的な眼科画像検査や診察の代替ではなく、むしろ限られた専門資源を誰に優先的に割くべきか判断する助けになります。眼科機器や専門医が不足する環境では、こうした血液ベースのトリアージツールが集団スクリーニングをより実用的で費用対効果の高いものにし、多くの症例を早期に発見しつつ不要な紹介を減らす可能性があります。より多くの国で検証され、見逃しや誤警報をさらに減らすよう改良されれば、このアプローチは既に日常診療で行われている検査を用いて視力を守る拡張性のある方法となり得ます。

引用: Li, S., Ren, J., Wang, F. et al. Routine blood tests and machine learning identify complications in high myopia. Nat Commun 17, 3930 (2026). https://doi.org/10.1038/s41467-026-70891-5

キーワード: 強度近視, 視力スクリーニング, 機械学習, 血液バイオマーカー, 眼の合併症