ウサギの気管軟化モデルにおける呼吸音解析

なぜ呼吸の音を聴くことが重要か

医師は通常、柔らかくなった気管のような重篤な呼吸障害を診断するために、画像検査や気道内に挿入する小型カメラを使います。これらの検査は特に乳児や幼児にとって負担が大きく、繰り返し行うのも容易ではありません。本研究は、呼吸音を注意深く聴取し、現代のコンピュータ解析を組み合わせることで、気管が軟化して虚脱しやすい状態を穏やかで非侵襲的に検出できるかを検討しています。

気管が軟らかくなると

気管軟化症は、気管が本来の硬さを失い、呼吸時に狭窄や虚脱を起こしやすくなる状態です。この問題を抱える人は、喘鳴や呼吸困難、重症では一時的な呼吸停止を経験することがあります。現在、医師は診断確認のためにX線、CT、気管支鏡検査（気道にスコープを挿入する方法）を頼りにしています。これらの手法は被ばくを伴い、鎮静が必要であり、特に脆弱な新生児や乳児ではリスクが懸念されます。

患者である乳児の代わりとなる安全なモデルの構築

乳児に直接実験するのは倫理的に問題があるため、研究者らは小児の気道を模倣する制御された動物モデルを作成しました。彼らは5匹のウサギを手術し、気管を開いた状態に保つ軟骨輪の一部を慎重に除去しました。これにより、吸気時に拡張し呼気時に狭窄する、気管軟化症の一形態に非常によく似た弱化した気道が作られました。臨床用聴診器ヘッドと首および胸部に配置した標準化された録音装置を用い、呼吸音を記録すると同時に気道内圧も測定して、音の変化が実際に気流や気道形状の変化を反映していることを確認しました。

呼吸を数値に変える

研究チームは、音が最も強く安定していた呼気相に注目しました。広く使われている音声解析ツールキットを用いて、各呼気を非常に短い断片に分割し、音量、周波数分布上のピッチや音色、時間経過に伴う変化など、数千に及ぶ簡易な指標で記述しました。各呼吸から6,373の特徴量を抽出し、そこから5匹中少なくとも4匹で健常気道と軟化気道で一貫して差が出る51の特徴に絞り込みました。これらの特徴が、2つの状態を判別するコンピュータプログラムの原材料となりました。

トラブルを聞き分けるコンピュータの訓練

3種類の機械学習モデルを検証しました：ロジスティック回帰、サポートベクターマシン、そしてLightGBMという現代的な木構造ベースの手法です。データの「漏洩」を避けるために、研究者らはウサギごとおよび気道状態ごとにデータをグループ化し、同一状況の呼吸が訓練セットとテストセットの両方に含まれないようにしました。全モデルは概ね良好な性能を示しましたが、特にLightGBMが目立ちました。単一呼吸での識別力は統計的に強いとされる水準に達し、受信者操作特性曲線下面積（AUC）は単一呼吸で0.78超、ウサギごとに判定を平均した場合は0.80超でした。重要な特徴はメル周波数ケプストラム係数（MFCC）の低周波成分で、これは音声認識から借用した手法で、音の全体的な「形」や微細な変動を捉えるのに優れています。

音が示すこと

これら低周波パターンの重要性は、気管が虚脱すると咽頭を通る空気の流れが人間の耳だけでは気づきにくい微妙な形で変わることを示唆しています。明白な喘鳴がなくても、モデルは音色やリズムのわずかな歪みを検出して気道の狭窄を示唆できました。注目すべきは、これが日常の診察で医師が用いるものと似た標準的な医療機器と、比較的単純なコンピュータ処理で達成された点です。

実験室のウサギから小児病棟へ

ウサギの気管は新生児のそれと大きさが似ているため、このモデルは小児医療向けツールの現実的な試験場を提供します。本研究は5匹の動物と1種類の気道弱化に限られるものの、重要な基盤を築きました。結果は、非侵襲的な音の記録と機械学習の組み合わせで、放射線や内視鏡を用いずに気管の軟化を確実に示せる可能性を示しています。大規模な追試験やヒト患者での検証が進めば、このアプローチはベッドサイドで使えるスクリーニングツールへと発展し、どの子どもが侵襲的検査を本当に必要とするか、どの子どもを感度の高い“スマート聴診器”で安全に経過観察できるかの判断を助けるでしょう。

引用: Ismael, A.C., Omiya, Y., Higuchi, M. et al. Respiratory sound analysis in a rabbit tracheomalacia model. Sci Rep 16, 12249 (2026). https://doi.org/10.1038/s41598-026-42275-8

キーワード: 気管軟化症, 呼吸音, 機械学習, 非侵襲的診断, 小児気道