敗血症の病態は血管反応の異なる表現型を生む：教師なし時系列クラスタリングを用いた前臨床研究

重篤な感染症の患者にとって重要な理由

敗血症は感染に対する生命を脅かす反応で、数時間で血圧が急落し多臓器に損傷をもたらすことがあります。それにもかかわらず、臨床医は循環不全を認識するために主に遅れて現れる所見――非常に低い血圧や高い乳酸値など――に依存し続けています。本研究はブタを用いて単純だが重要な問いを投げかけます：各拍の血圧波形の形の中に、循環が崩れ始めている早期の手がかりは隠れているか、また動物ごとにショックに至る過程は異なるのか？もしそのようなパターンが見つかれば、ベッドサイドのモニターが臨床医により早く警告を出し、各患者の個別の反応に合わせた治療を支援する可能性があります。

一拍ごとの波形を詳しく見る

集中治療室では、動脈ラインがモニター上に拍ごとの血圧を波形として表示します。多くの場合、臨床医は平均血圧や脈圧といった単純な数値に注目し、波形の細かな形は無視されがちです。本前臨床研究では、研究者たちが心臓近くの主要動脈と脚の動脈から高品質の血圧信号を連続的に記録し、制御された腹部感染で健康から完全な敗血性ショックへ移行する40頭のブタを追跡しました。平均動脈圧、心拍数、心拍出量、脈圧といった既知の指標に加え、血管がどれだけ弾性か硬化しているか、神経系がどの程度血圧を調節しているか、圧波が体内を伝播する際にどれだけ複雑になるかを表す新しい指標を抽出しました。

敗血性ショックに至る二つの異なる道筋

これらの測定を数時間にわたり2分ごとに追跡し、研究者たちは教師なし時系列クラスタリング（データを事前ラベル無しで自然なグループに分ける機械学習手法）を用いて、ブタの心血管反応が明確なパターンに分かれるかを検証しました。完全な敗血性ショックが発症した時点では全ての動物が同じ臨床的基準――低い平均血圧、頻脈、低下した心拍出量――を満たしていましたが、解析は二つの明確なクラスタを示しました。ある群では、感染後まもなく血圧が下がり始め、その後も着実に低下し続け、心拍数や心拍出量の増加は比較的控えめでした。これらのブタは強力な代償反応を発揮できず、循環不全が徐々に悪化してショックに至ったように見えます。

脈波に隠された信号

第二の群は異なる経過を示しました。数時間にわたり血圧は感染にもかかわらず比較的正常に近い状態を保ちました。彼らは心拍数を急激に上げ、心拍出量を維持することでこの安定を達成しました。しかし波形ベースの詳細な指標はより微妙な変化を示していました。中心大動脈から脚まで脈圧がどれだけ増幅するかを示す脈圧増幅は両群で逆転し、中心と末梢の血管間の通常の関係が明らかなショックよりもずっと前に崩れていることを示しました。拍ごとに動脈から血液が排出される速さに関係する時定数は短くなり、血管が拡張して漏れやすくなっていることを示唆しました。また波形の複雑さを示す指標（ハーモニックディストーション）は群ごとに逆方向に動きました：一方の群では圧波がより滑らかで単純になり、他方ではより複雑になり、血管の硬化や波の反射の異なるパターンを示唆しました。

複雑なデータから単純なパターンへ

これらのパターンが統計的なたまたまではないことを確認するために、研究者たちはシェイプレット解析と呼ばれる手法を適用しました。これは長い時系列の中から群を最もよく区別する短い断片を探索する方法です。この手法は同じ特徴を際立たせました：徐々に低下する圧のパターン対、当初は保たれその後急に崩れるパターン；波形複雑度の乖離する推移；心拍と動脈系の相互作用における異なる軌跡。注目すべきは、敗血症が誘発される前でさえ、後にそれぞれのクラスタに分類されたブタは、標準的な血圧値は似ているにもかかわらず、血管機能や神経系制御に関連する指標に微妙な違いを既に示していたことです。これは動物、ひいては人が同じ刺激に対して反応する際に、反応を形作る異なる基礎的な心血管“設定”を持っている可能性を示唆します。

将来のケアにとっての意味

非専門家向けの主な結論は、モニター上の血圧線には単一の数値以上の情報が豊富に含まれているということです。各拍の細部構造を時間軸で解析することで、敗血症時に動脈がどのように振る舞い始めるかの早期変化を検出し、日常のベッドサイド基準では同一に見える異なる血管反応の「表現型」を明らかにできることが示されました。同様の知見がヒト患者で確認されれば、病院は既存のモニターにこれらの波形ベースのマーカーを自動追跡するソフトウェアを組み込むことが可能になります。そのようなツールは従来の兆候が現れる何時間も前に急速な悪化のリスクがある患者を警告し、臨床医が各患者の特定の循環不全パターンに合わせた治療を選ぶ手助けをする可能性があります。

引用: Vida, I., Carrara, M. & Ferrario, M. Sepsis insult generates different vascular response phenotypes: an unsupervised time-series clustering preclinical study. Sci Rep 16, 6960 (2026). https://doi.org/10.1038/s41598-026-37885-1

キーワード: 敗血症, 血圧波形, 血管機能障害, 集中治療モニタリング, 機械学習