OCTと眼底画像による生物学的年齢予測と全身の健康評価のための多モーダル網膜エイジングクロック

目が示すものは見かけ以上の情報を含む理由

眼底にある微小な血管や神経線維は、医師が生きた組織を直接観察できる数少ない部位の一つです。本研究は挑発的な問いを投げかけます：日常的な眼のスキャンは、体の「真の年齢」、すなわち生物学的年齢を明らかにし、さらにはカレンダー年齢よりも正確にその人の全身的な疾病負荷や死亡リスクを示唆できるでしょうか？

誕生日ではなく生物学的年齢をみる

年齢（実歳）は単に生きてきた期間を示しますが、生物学的年齢は臓器や組織がどれだけ摩耗しているか、あるいは維持されているかを反映します。65歳という同じ年齢でも、体の老化速度によって健康見通しは大きく異なります。従来の生物学的クロックはDNAやタンパク質を測る血液検査に依存し、費用や侵襲性の面で課題があります。著者らはより簡便な代替手段として、超広角眼底写真と光干渉断層撮影（OCT）という二つの一般的な眼画像検査を、人工知能（AI）と組み合わせて網膜から生物学的年齢を推定できるかを検討しました。網膜は血管、神経、代謝の状態を映す窓だからです。

網膜に年齢を読むようAIを教える

研究チームは、2,467人の患者から得た12,000枚以上の眼底画像と7,700件のOCTスキャンを用いて深層学習モデルを訓練しました。第1の実験では、AIの「年齢クロック」は主要な構造的病変のない眼だけで学習され、健常眼と病的眼の両方で評価されました。第2の実験では、加齢性黄斑変性、糖尿病性網膜症、網膜前膜、および病的・高度近視という網膜を変形させる4つの一般的な状態を含む、より幅広い眼のデータでモデルを再訓練しました。この第2ラウンドでは各眼の疾患ラベルもモデルに与えられました。両実験とも、モデルの目的は画像から年齢を予測することであり、研究者らはこの予測年齢を生物学的年齢として扱い、それが全身的な疾病負荷をどれほど反映するかを評価しました。

眼の年齢と全身の疾病負荷

網膜年齢と全身の健康を結びつけるため、著者らはCharlson合併症指数（CCI）を使用しました。CCIは個人の主要な長期疾患を合算して1年死亡リスクを予測する広く用いられる指標です。彼らは実歳とAI由来の生物学的年齢がCCIとどれだけ相関するかを比較し、どちらがCCIをより良く予測するかを確認するために単純な統計モデルも構築しました。両実験を通じて、網膜画像から得た生物学的年齢は一般に実歳よりも合併症負荷を強く捉える傾向があり、特に構造的病変のある眼でその差が顕著でした。第2の研究で疾患ラベルを加えるとモデルの精度は大幅に改善し、検証セットでの平均年齢誤差は約6年に低下し、網膜由来の生物学的年齢は眼に明らかな異常がある患者で特に全身的な疾病の反映に優れていました。

AIが眼の中で実際に見ているもの

AIの「思考過程」をのぞくために、研究者らは予測に影響を与えた画像の領域を示すヒートマップを生成しました。モデルは中心の黄斑にとらわれるのではなく、視神経乳頭、周囲の神経線維層、および脈絡膜のようなより深い血管層に一貫して注目していました。これらは加齢に伴って薄くなり硬くなることが知られ、眼圧や血流の変化に敏感な構造です。AIの注目パターンは非常に異なる眼疾患間でも類似しており、疾患カテゴリを単に暗記するのではなく解剖学に基づく堅牢な老化指標を学習していることを示唆します。興味深いことに、疾患画像を訓練に含めると、加齢黄斑変性のような状態では黄斑領域への注目がやや増す傾向が見られ、疾患特異的な訓練がそのパターンの認識を高めることを示唆しています。

制約、注意点、今後の可能性

本研究には限界があります。すべてのデータは単一の大学病院から取得され、多くの患者が低いCCIスコアであったため強い統計的関連を検出する力が弱まっています。CCI自体は古い指標であり、現代の慢性疾患パターンを完全に捉えていない可能性があります。特に加齢黄斑変性における相関は弱かったり一貫しなかったりしました。それでも、大規模な人口バイオバンクと比べれば試料数は控えめであるものの、モデルは競合する年齢予測精度を達成し、重要な点として網膜の生物学的年齢が全身の疾病負荷を測る検証済みの指標と結びつくことを示しました。

患者と臨床医にとっての意義

一般の方への要点は、日常的な眼の検査が将来的に眼鏡の処方や眼疾患のチェック以上の役割を担う可能性があるということです。網膜の神経や血管に現れる微妙な変化を読み取ることで、AIは身体が実際にどれだけ「年をとっている」かを推定し、暦年よりも早く組織が老化している人々を検出できるかもしれません。この網膜エイジングクロックはまだ臨床現場のツールではありませんが、迅速で非侵襲的な眼検査が隠れた健康リスクの早期警告に寄与し、重大な病気が顕在化するはるか前に予防的介入を導く未来を示しています。

引用: Ludwig, C.A., Salvi, A., Mesfin, Y. et al. A multimodal retinal aging clock for biological age prediction and systemic health assessment via OCT and fundus imaging. Sci Rep 16, 6465 (2026). https://doi.org/10.1038/s41598-026-36518-x

キーワード: 網膜画像, 生物学的年齢, 人工知能, 全身の健康, 眼疾患