臨床に基づくモデルかファウンデーションモデルか？電子カルテから頸椎変性性脊髄症を予測する

この脊椎疾患を早く見つけることが重要な理由

頸椎変性性脊髄症（CSM）は呼びにくい名前ですが、多くの高齢者にとって背骨の中の脊髄に静かに影響を与える脅威です。初期は不器用さやよろめく歩行、排泄のトラブルなどで始まり、徐々に重度の障害や麻痺に進行することがあります。症状が微妙で関節炎や手根管症候群のようなより一般的な問題と似ているため、医師が何年にもわたって見落とすことがよくあります。本研究は適時性のある問いを投げかけます：電子カルテに埋もれたパターンは、正式な診断の何年も前にCSMのリスクがある人々を示唆できるだろうか。そしてそのためにどの種類の人工知能（AI）が最も適しているだろうか？

高齢化する集団に潜む病気

CSMは加齢に伴う摩耗で頸部の脊柱管が狭くなり脊髄が圧迫されることで生じます。この状態は高齢者に一般的で、頸部画像検査では60歳以上の約3分の1に脊髄圧迫が見られ、そのうちかなりの割合がやがて症状を発症します。それでも、研究は患者が最初の兆候から正しい診断に至るまで2～6年待つことが多く、手術やその他の介入で不可逆の損傷を防げる貴重な時間を失っていることを示唆しています。人口が高齢化し、一次診療医が混雑した診療や脊椎疾患への接触機会の少なさに悩む中で、CSMを早期に発見するスケーラブルな方法の必要性は高まっています。

医療記録を早期警戒システムに変える

現代の電子カルテ（EHR）は、診断、検査、処置、受診履歴といった詳細な軌跡を記録します。研究者らは、この軌跡に初期のCSMを示す手がかり――例えば繰り返す転倒、神経検査、理学療法など――が、専門的な脊椎画像が行われるずっと前から含まれているはずだと考えました。彼らは米国の二つの大規模データセット、全国の保険請求データベースと地域の医療機関の記録から約200万人分のデータを集めました。その中で最終的にCSMと診断された数万人を、診断されなかった類似患者とマッチングさせ、6か月から30か月前までの予測ウィンドウでAIが将来CSMと診断される人を予測できるかどうかを検証する大規模な試験環境を作りました。

汎用の大規模AIと臨床に導かれたスリムなモデルの対比

チームはEHRデータを処理する複数の機械学習モデルを比較しました。一方には「ファウンデーションモデル」と呼ばれる大規模なトランスフォーマーベースのシステムがあり、何百万もの患者記録で一般的な医療データのパターンを学習しています。他方には、脊椎専門医がCSMに極めて関連性が高いと選定した497の診断、処置、薬剤コードだけで構築した小規模なモデルがありました。研究者らは希少疾患に適した指標を使って性能を測り、各モデルが将来CSMと診断される患者を無作為推測よりどれだけうまく識別できるかを、異なる予測期間で評価しました。

内部での精度、外部での信頼性

モデルを同じ大規模で多様な保険データセット内で訓練・テストした場合、最大のファウンデーションモデルが通常最良の成績を示し、無情報分類器に比べて約6～7倍の精度に達しました。しかし、モデルを独立した医療機関のデータで評価すると状況は変わりました。そこで簡潔で臨床的に導かれた小さなモデルが一般に複雑なトランスフォーマーより優れ、場合によってはランダムな予測より最大で13倍も高い性能を示して、どの患者が近くCSMと診断されるかを予測しました。逆の実験（単一の医療機関で訓練し全国データセットでテスト）でも似た傾向が見られ、小規模で臨床に焦点を当てたモデルは施設間での移植性が高い傾向がありました。サブグループ解析では、すべてのモデルが医療機関をより頻繁に受診する患者で最も良く機能することも明らかになり、受診頻度の低い人々に対する公平性の問題を投げかけています。

患者と医師にとっての意味

この研究結果は、AIが診断の最大2年半前に高いCSMリスクの人を示唆し、医師を早期の神経学的評価や脊椎画像検査に誘導する助けになり得ることを示唆しています。しかし同時にトレードオフも浮き彫りにしています。大規模で洗練されたAIモデルは訓練されたデータ上で優れる一方で、臨床知見に基づいて慎重に設計された小規模モデルの方が新しい病院や患者集団に移したときにより信頼できる場合がある、という点です。患者にとっての要点は希望的でありつつも微妙です：日常の医療データを賢く活用すれば多くのCSM患者が直面する長い診断の旅路を短縮できる可能性がありますが、その成功は強力なアルゴリズムだけでなく、配慮のあるモデル設計、多様な環境での慎重な検証、公平性への配慮にかかっています。

引用: Yakdan, S., Warner, B., Ghogawala, Z. et al. Clinically-guided models or foundation models? predicting cervical spondylotic myelopathy from electronic health records. npj Digit. Med. 9, 153 (2026). https://doi.org/10.1038/s41746-026-02337-7

キーワード: 頸椎変性性脊髄症, 電子カルテ, 機械学習, ファウンデーションモデル, 早期診断