マルチモーダル情報融合に基づく急性大動脈症候群のAI診断

胸痛のある人にとってなぜ重要か

急性大動脈症候群は、体の主要な動脈が突然裂ける可能性のある医療上の緊急事態であり、見逃されれば数時間で死亡に至ることがあります。しかしその症状は心筋梗塞、筋肉の捻挫、あるいは消化不良などに偽装されやすく、誤診されやすいのが現状です。本研究は、CT画像と血液検査を組み合わせて、こうした静かな血管の破局を早期かつより正確に医師が認識できるよう支援し、判断があいまいな症例を再検査に回すための新しい人工知能システムを紹介します。

一見して見えない危険な裂創

急性大動脈症候群（AAS）は、古典的な解離、壁内血腫、穿入性潰瘍など、大動脈壁に生じるいくつかの関連病変を含みます。いずれも共通の危険性を持ち、血液が血管壁に侵入または貫通してしまうと、破裂や重要臓器への血流障害を迅速に引き起こす可能性があります。症状出現後の最初の1〜2日が最も危険で、迅速な治療が行われなければ死亡率は70％近くまで上昇することがあります。医師はCT血管造影で大動脈を観察し、D-ダイマーや白血球・血小板由来の炎症マーカーなどの血液検査で凝固や免疫反応を評価します。しかし患者の訴えはしばしば漠然としており、身体所見が一見正常に見えることも多く、CT画像も微細だったり動きやアーチファクトで劣化していることがあるため、臨床現場ではおよそ3例に1例が初期診断で見逃されます。

現行のAIツールが見逃す点

近年、CTやX線画像から大動脈裂創の兆候を検出する強力な画像認識システムが登場しました。しかしこれらの多くは画像だけを見ており、血液検査データを無視するか、別個のデータ流を単に結合するだけで相互作用を真に学習していません。臨床医の考え方とは一致しておらず、臨床では画像所見と検査値、患者の既往歴を総合的に判断します。単純に画像特徴と検査値を“積み重ねる”だけでは逆効果になることもあり、血液検査データはノイズが多く不完全で数学的に絡み合っているからです。さらに、多くのAIモデルはブラックボックスとして機能し、判断の過程を示さないため、救急医が生命がかかる場面でそれに依存することをためらう原因になっています。

走査と血液検査を融合する新しい方法

著者らは、熟練した放射線科医や循環器医の推論様式を模倣することを目指したマルチモーダル・マルチスケール融合（MMMF）モデルを構築しました。まず、二重ブランチの画像エンコーダがCT血管造影を二段階の解像度で解析します。大きなパッチは大動脈の全体的な形状や走行をとらえ、小さなパッチは微細な内膜裂創や壁内の小さな血腫などの細部に注目します。同時に、D-ダイマーや白血球数・血小板から導出される炎症マーカーを含む主要な血液指標が数値的な特徴点に変換されます。これらの画像特徴と検査特徴はグラフ状の構造内のノードとなり、高度なグラフニューラルネットワークがそれらの間で“メッセージ”をやり取りし、ある血液パターンが微妙な画像所見をどう強めるかあるいは矛盾するかを学習します。

システムの性能

チームは、2019年から2024年に検査された493人の患者のCT画像と同時採取の血液検査データを用いてMMMFモデルを学習・検証しました。データには各種の確認されたAAS症例と非AASコントロールが含まれます。彼らは、自らの手法を画像のみの既存モデル、検査データのみのモデル、および画像とテキストの組み合わせ向けに設計された最先端のマルチモーダルシステムと比較しました。精度、適合率、再現率、F1スコアのいずれでもMMMFモデルが優れていました。受信者操作特性曲線下面積（AUC）は0.9を超え、正常な大動脈、上行・下行大動脈を含む古典的解離、および非定型の形態を区別する高い能力を示しました。単独では画像データが最も強力な情報源でしたが、慎重に構造化された検査データとの融合により、特に難しいまたは境界症例で有意な改善が得られました。アブレーション実験により、二重スケールの画像経路と特徴間の長距離関係をモデル化するトランスフォーマーベースのグラフの2要素が重要であることが示されました。

医師と機械の協働に向けて

単なる正確度の数字を超えて、本研究の重要な貢献は「置き換え」ではなく「協働」を重視している点です。本システムは、明らかに正常なスキャンや明白に病的な非定型症例を迅速に振り分ける賢い一次スクリーニング装置として特に有用です。同様に重要なのは、自身の確信度が低い場合（しばしば専門家でも難しい、初期や軽度の解離のような症例）を識別できる点で、これらの患者を緊急の再検討、追加画像検査、あるいは上級医への相談に回すことができます。本質的に、画像の細部と血液検査の手がかりが臨床に即した構造で織り合わされると、AIは急性大動脈症候群の早期診断を鋭くし、見逃しに対する安全網を提供すると同時に、最終判断は医師が確実に担うという体制を維持できることを示しています。

引用: Yang, Z., Xu, S., Wang, B. et al. AI-driven diagnosis of acute aortic syndrome based on multi-modal information fusion. Sci Rep 16, 8332 (2026). https://doi.org/10.1038/s41598-026-39111-4

キーワード: 急性大動脈症候群, 大動脈解離, 医療用AI, マルチモーダル診断, グラフニューラルネットワーク