光干渉断層血管撮影を用いたパーキンソン病診断のためのアンサンブル機械学習分類器

なぜ目は隠れた脳の病変を示すのか

パーキンソン病は通常、震え、こわばり、動作の遅れといった症状が現れてから診断されますが、これらは脳がすでに何年も前から変化していることを示す徴候です。本研究は予想外の近道を探ります：無痛の撮影で眼底の微小血管を観察し、人工知能を使って人々をより早く、より客観的にパーキンソン病の疑いとして識別できるかを検討します。

眼を通して脳を観る

眼の奥にある光を感知する組織、網膜は実質的にアクセス可能な脳の一部です。網膜は脳と似た神経と血管を共有しており、クリニックで非侵襲的に検査できます。研究者たちは光干渉断層血管撮影（OCTA）という技術を用い、染料を使わずに網膜循環の詳細な地図を作成しました。パーキンソン病は体の他の部位の微小血管障害と関連していることが示唆されているため、これらの網膜血管ネットワークの微妙な変化が早期の病態を「覗く窓」になり得るかどうかを問いかけました。

眼科スキャンを数値化する

後ろ向き研究で、研究チームはパーキンソン病の患者53人と年齢を合わせた健常者39人のOCTAスキャンを収集しました。彼らは網膜血管の浅層（表面近く）と深層（その下）の二つの層に着目しました。各層からは中心窩無血管域（鋭い視力に必要な血管のない小さなくぼみ）とその周囲の毛細血管を自動的にセグメント化しました。次に各画像を22の数値指標に変換しました。中心窩領域の形状（どれほど円形か、縁が滑らかか不規則かなど）を表す指標や、全体としての血管密度や中心窩周辺のリング状領域の密度を捕える指標が含まれます。これらの測定を組み合わせることで、人の目では判断しきれない微小血管の健康状態をより詳細に定量化しました。

パーキンソン病のパターンを見分けるAIの訓練

こうして得られた指標をもとに、研究者たちはパーキンソン病のスキャンと健常スキャンを区別するコンピュータモデルを構築しました。データセットが限られていたため、まず22の指標から最も情報量の多いサブセットを選ぶ特徴選択手法を用いてノイズと過学習を減らしました。その後、決定木ベースの手法やk近傍法など複数の一般的な機械学習アルゴリズムを訓練しました。最後に、最も成績の良かった3つのモデル（XGBoost、ランダムフォレスト、K近傍法）を重み付けした「アンサンブル」に統合し、各モデルの投票がその成績に応じて反映されるようにしました。

網膜からモデルが示した所見

健常者と比べて、パーキンソン病の人々は網膜微小循環の変化が明確に見られました。血管密度の指標は低く、中心窩領域は形が不規則である傾向があり、円形性や滑らかさ、塊状性が低下していました。これらの傾向は浅層・深層の両方で観察されました。未知のデータで評価したところ、アンサンブルモデルは全体で約4分の3の眼を正しく分類しました。特に感度は90%に達し、パーキンソン病例の9割を正しく識別しました。一方で特異度はやや控えめで半数を少し上回る程度であり、健常者が誤って病ありと判定されることもありました。診断性能の総合指標であるROC曲線下面積（AUC）は0.75で、有用だが決定的ではない識別能を示しました。

アルゴリズムを臨床へ

理論を超えて実用化するため、チームは手法をプロトタイプソフトウェア「Parkinson’s Disease Artificial Intelligence（PDAI）」にまとめました。単純なグラフィカルインターフェースを通じて、臨床医はOCTAスキャンを読み込み、自動で描画された血管と中心窩領域を確認し、主要な数値特徴を見て、スキャンがパーキンソン病患者のものに似ているかどうかの即時予測を得られます。本システムは不透明な「ブラックボックス」ではなく、手作業で定義された明確な測定に依拠しているため、各判定に寄与した要素が臨床医にとって解釈しやすく、基礎生物学と関連づけやすい可能性があります。

患者にとっての意味

この研究はまだ単独での診断テストを提供するには至っていませんが、短時間で非侵襲的に行える眼科スキャンを、慎重に設計された機械学習手法で解析することで、高い感度で病態に関連する変化を検出できることを示しています。実際には、このようなツールは将来的にスクリーニング補助として用いられ、眼科医や神経内科医が症状が顕在化する前に誰をより注意深く経過観察すべきか、あるいはさらに精密な評価に紹介すべきかを判断する助けになる可能性があります。より大規模で多施設の研究が引き続き必要ですが、本研究は眼が実用的なパーキンソン病の早期警告信号を提供し得ることを示唆しています。

引用: Hasanshahi, M., Mehdizadeh, A., Mahmoudi, T. et al. An ensemble machine learning classifier for Parkinson’s disease diagnosis using optical coherence tomography angiography. Sci Rep 16, 7297 (2026). https://doi.org/10.1038/s41598-026-38407-9

キーワード: パーキンソン病, 網膜イメージング, OCTA, 機械学習, 早期診断