ラベルフリー三波長網膜イメージングによる非侵襲的なアルツハイマー病スクリーニング

なぜ眼がアルツハイマーの早期兆候を映すのか

アルツハイマー病は記憶障害が明らかになる何年も前からゆっくりと脳を損ないますが、これらの早期変化を検出する現在の検査は高価で侵襲的、かつ広く利用できるものではありません。本研究はより単純な発想を探ります：網膜は脳の直接の延長であり、数秒で撮影できるため、より賢明な撮像を組み合わせた通常の眼科検査が、アルツハイマーをより早く、治療可能な段階で発見する簡便な手段になり得るでしょうか？

眼底を見る新しい方法

研究者らは、一般的な網膜カメラに取り付けるコンパクトなアドオンを開発しました。これは日常の眼科検査でよく使われるタイプのカメラです。単一のカラーフォトを撮る代わりに、この装置は網膜から反射した光を青、緑、赤の三つの選択された波長帯に分離します。各帯域はそれぞれ専用のカメラで同時に撮像されるため、余分なフラッシュや不快感を伴わずに鮮明な画像が得られます。このターゲットを絞ったアプローチは、特に短波長の青色光に敏感であると以前の研究が示唆していた網膜の微細な変化の検出性を向上させます。

網膜に隠された色の手がかり

チームは次に、この三波長システムを臨床研究で検証しました。被験者は脳画像や脳脊髄液検査で確定診断された38人のアルツハイマー患者と、年齢が近い28人の健常ボランティアです。視神経円板や中心窩といった主要ランドマークが画素単位で整列するよう全画像を整列させた後、網膜の各部位から反射された青および緑の光の量を比較しました。一見すると、患者群と健常群の平均画像は非常に似ていました。しかし、青と緑の光の比率を計算すると顕著なパターンが現れました：中心視（中心窩）と視神経円板の間の領域で、アルツハイマー患者は青対緑の信号が有意に高くなっていました。この差はAUC=0.74という性能指標で要約され、網膜の鼻側領域における色の変化が患者と健常者を区別する有用な情報を含んでいることを示唆します。

信号を読み取るコンピュータの教育

これらの微妙な光学的指紋を実用的なスクリーニングツールに変えるため、研究者らはXGBoostという機械学習モデルを訓練しました。単純な比率だけに頼るのではなく、モデルは最も情報量の多い網膜領域からの生の青・緑・赤の強度値に加え、年齢、性別、基本的な眼科履歴情報を用いました。研究内のデータの大半で学習させ、アルゴリズムが見たことのない別の検証群でテストしました。この独立したテストセット上で、モデルはアルツハイマーと健常の眼を高い精度で分類し、AUCは0.91に達しました。SHAPと呼ばれる解釈可能性手法を用いると、青色光の測定がモデルの判定に最も強く寄与していることが示され、網膜におけるアルツハイマー関連の化学的変化が短波長光の散乱に影響を与えているという考えを支持しました。

今後の健診における意味

この三波長モジュールは既存の眼底カメラに取り付けるだけで、単一のフラッシュで撮像できるため、原理的には患者にかかる時間や不快感をほとんど増やさずに通常の眼科検診に組み込めます。脳画像検査や脳脊髄液検査とは異なり、この手法は非侵襲的で比較的低コスト、大規模スクリーニングに適しています。著者らはより大規模な研究が必要であり、この検査は既存の確立された方法を補完するものと考えられると強調しています。それでも、網膜が異なる色の光をどのように反射するかを精密に測定し、透明性のある機械学習ツールでそのパターンを解釈することは、アルツハイマー病の最初期段階を実用的に覗く新たな窓を提供する可能性があり、その段階で介入すれば病勢を変える最良の機会が得られることを示唆しています。

引用: Salajková, Z., Ciasca, G., Di Lorenzo, F. et al. Non-invasive screening of alzheimer’s disease via label-free tri-spectral retinal imaging. Sci Rep 16, 5083 (2026). https://doi.org/10.1038/s41598-026-35383-y

キーワード: アルツハイマー病, 網膜イメージング, 早期発見, 非侵襲的スクリーニング, 機械学習