心電図、筋電図、血圧、呼吸信号から脳卒中リスクの主要予測因子を解明する解釈可能なマルチモーダル手法

なぜ呼吸と心の信号が脳卒中に重要なのか

脳卒中は急に発症しますが、多くの場合は何年もかけて静かに進行します。医師は高血圧や心律異常、生活習慣がリスクを高めることを知っていますが、誰が本当に危険なのかを予測するのは依然難しい。本研究は、呼吸の仕方、特に体が二酸化炭素をどのように処理するかに、脳卒中リスクに関する隠れた手がかりが含まれていることを示します。呼吸、心臓、筋肉、血圧の信号を解釈可能な人工知能（AI）モデルで統合することで、著者らは高リスク患者を見つける新たな手がかりを明らかにし、なぜアルゴリズムがその判定を下すのかを臨床医が理解できるようにします。

体の静かな信号に耳を傾ける

高価で連続監視に向かない脳画像の代わりに、研究者らは虚血性脳卒中を経験した者と未経験者を含む64人のボランティアから得られた単純な電気的・圧力的測定に注目しました。被験者は座位と立位で7種類の信号を録音しました：心活動（心電図2チャネル）、脚の筋電活動（筋電図2チャネル）、指カフからの血圧、そして口元での2つの呼吸信号—呼気中の二酸化炭素濃度と気流速度です。これらの測定は病床監視装置や高度なウェアラブルで収集可能なものに似ており、定期的な検査に実用的である可能性があります。

生の波形をコンピュータが読めるパターンに変える

チームは各被験者の10分間の記録を部分的に重なる多くの14秒スライスに切り分けました。これは数回の呼吸と繰り返される心拍を捉えるのに十分な長さです。各スライスについて、平均値、変動性、信号がゼロを横切る頻度、異なる周波数帯域に広がるエネルギーなど、幅広い単純な数値記述子を計算しました。これらの特徴はフル波形を保存せずに各信号の「様式」を要約し、計算コストと雑音を低減します。7つの信号から得られたすべての特徴は1つに積み重ねられ、その短時間にその人の身体がどのように振る舞っていたかを表すサンプルとなります。

より深いネットワークを凌ぐ、単純な脳に着想を得たモデル

深く複雑なニューラルネットワークを使う代わりに、著者らは非常に単純なモデルを選びました：単層パーセプトロンです。このモデルはすべての数値特徴を取り、それぞれに学習された重みを掛け合わせて足し合わせ、出力を圧縮関数に通して「脳卒中」または「非脳卒中」の確率を出します。単純さにもかかわらず、このモデルは約85〜88％の精度を達成し、同じデータでテストした再帰・畳み込みニューラルネットワーク、アンサンブル・エコー・ステート・ネットワーク、および一般的な機械学習分類器よりも優れた性能を示しました。重要なのは、呼吸信号（二酸化炭素と気流）を除外すると精度が約59％に低下し、統計的に有意な低下を示したことです。これは呼吸データが他の信号だけでは捉えられない重要な情報を付加していることを示しています。

ブラックボックスを開く：本当に重要な信号はどれか

医師はブラックボックス型AIに慎重なので、チームはSHAP、LIME、Anchorsという3つの説明手法を用いてモデルがどの特徴に依存しているかを確認しました。3手法とも呼吸に由来する特徴、特に二酸化炭素に関連する特徴が予測の主要因であることを示しました。ゲーム理論に基づく説明器であるSHAPは、呼気中二酸化炭素の平均値、その変動性、平均血圧をサンプルが脳卒中患者由来かどうかを判断する上での上位3因子としてランク付けしました。高い平均二酸化炭素と高血圧はモデルを「脳卒中」寄りに押し、二酸化炭素のより不規則なパターンはリスク低下を示唆しました。どの説明器を最も信頼すべきかを判断するために、著者らは各手法が挙げた上位特徴を除去してモデル性能がどれだけ悪化するかを測る特別なテストを行いました。SHAPを除去したときの性能低下が最も大きく、最も信頼できる解釈器の称号を得ました。

患者と臨床医にとっての意義

専門家でない人への結論は明快です：呼吸の仕方と二酸化炭素の処理は、血圧や心拍と同じくらい脳卒中リスクを示す手がかりになり得ます。本研究は、呼吸ガス、血圧、心臓および筋肉の信号を捉える日常的なモニターを、単純で透明性のあるAIに接続して、脳卒中発症前により注意を要する人を警告する可能性を示唆しています。モデルは高精度で解釈可能なため、臨床医はどの生理学的側面がリスク推定を牽引しているかを確認でき、信頼と的確な治療を支援します。より大規模な研究が依然必要ですが、二酸化炭素関連の呼吸指標が脳卒中予防の有望な新しいマーカーであることが強調されます。

引用: Krayem, J., Wong, L., Tham, L.K. et al. Explainable multi-modal approach for uncovering key predictors of stroke-risk from ECG, EMG, blood pressure, and respiratory signals. Sci Rep 16, 6906 (2026). https://doi.org/10.1038/s41598-026-37777-4

キーワード: 脳卒中リスク, 呼吸信号, 二酸化炭素, 解釈可能なAI, 心電図と血圧