血管外科におけるコンピュータビジョン応用：系統的レビューと批判的評価

血管医師のためのスマートカメラ

血管の問題を治療する医師は、体のスキャン画像から創傷の単純な写真まで、医用画像に大きく依存しています。近年、画像を「見て」解釈するソフトウェアであるコンピュータビジョンは急速に進歩し、場合によっては医療の専門家に匹敵することもあります。本稿は何百本もの研究を横断的に検討し、これらの画像読取ツールが血管外科でどのように使われているか、性能はどうか、そして医療現場で安全に利用されるために何が改善される必要があるかを明らかにします。

研究が急速に拡大している分野

著者らは主要な医学・技術データベースを検索し、288件の研究を見つけました。2017年以降に急増があり、さらに2024–2025年にもう一波の増加が見られました。ほとんどのプロジェクトは既存の画像を解析するもので、前向きに患者を追跡する研究は少数でした。研究者が主に対象とした課題は三つです：体の大動脈の膨隆（大動脈瘤や解離）、脳に血流を送る頸部動脈の狭窄、そして特に糖尿病で治りにくい足の潰瘍。一方で、診療で日常的に扱われる脚の動脈閉塞や静脈疾患のような問題はめったに研究されておらず、痛みや障害、切断につながるにもかかわらず研究の対象から漏れています。

コンピュータが実際に何を見ているか

研究全体を通じて、コンピュータにはさまざまな種類の画像が与えられました。大動脈疾患では主にCTスキャンを用い、頸動脈疾患では超音波が多く、足潰瘍では標準写真や熱画像（サーモグラフィー）に頼る例が多くみられました。最も一般的な手法は現代的な深層学習ネットワーク、特にU‑Netやその他の畳み込みニューラルネットワークで、時に複数のモデルを組み合わせたアンサンブルが使われていました。これらのシステムには通常、構造の輪郭抽出（動脈の内腔や壁、創傷の縁など）、サイズ測定、あるいは「病変あり／なし」といった分類が求められました。多くのモデルは論文上で印象的な性能を示し、瘤の大きさ測定や足潰瘍の面積追跡などのタスクでは専門医に近い結果を出すことがありました。

これらのツールはどれほど信頼でき、公平か

有望な結果がある一方で、レビューはこれらのシステムの構築および評価方法に重大な懸念があることを示しました。外部の病院からのデータを用いた研究は少数であり、これはモデルが自施設のデータだけでなく現実世界でも機能することを示すために不可欠です。多くの論文は過学習を防ぐ基本的な対策（検証用データの分離やクラス不均衡の確認など）を省略しており、訓練に使った同じ画像で性能を評価しているものさえありました。報告の標準化も不均一で、輪郭抽出タスクでは約半数が広く受け入れられているオーバーラップ指標（diceなど）を報告しており、二値予測ではより堅牢なAUROCを用いる論文は5分の1未満でした。患者群や撮影装置ごとの挙動の違いを検討した研究は極めて少なく、公平性や一般化可能性に関する疑問が残ります。

研究の対象にあるギャップ

研究の偏りは日常の患者ニーズを反映していません。研究の大半は大動脈、頸動脈、糖尿病性足病変に集中しており、こうした分野は画像データセットが豊富でタスクが明確であるためです。一方、脚の末梢動脈疾患は、人種的少数者や低所得層に多く見られるにもかかわらず十分に研究されていません。著者らは、ここでコンピュータビジョンが特に有用になり得ると主張します。つまり、どの患者が悪化するかを予測したり、現在は診療の忙しさで使いにくい複雑なスコアリングを自動化したりすることです。もう一つ見落とされている機会は、造影剤を使わずに造影効果を模倣するソフトウェアで、腎機能の低い患者を有害な化学物質にさらすことなく造影様の情報を得られる可能性があり、血管関連の研究ではごく一部しか試みられていません。

今後の研究の水準を引き上げるために

品質を評価するために、著者らは予測研究におけるバイアスと報告のチェックリストを二つ用いました。新しい研究でもバイアス低リスクと評価されたものは約5分の1にとどまり、報告基準の遵守率は時間とともに改善はあるものの概ね過半程度に留まっていました。共通の欠点は、「ゴールドスタンダード」ラベルの作成方法の不明確さ、データソースの透明性欠如、モデル設定の選定に関する情報の欠落、患者や一般公衆の関与がほとんどないことなどです。著者らは研究計画段階からこれらのガイドラインに従うこと、一貫した性能指標（輪郭抽出にはdice、二値判断にはAUROC）を使うこと、可能な限りデータとコードを共有すること、そしてコンピュータビジョンが実際に患者アウトカムを改善するかを試す前向き試験を構築することを求めています。

患者と臨床医にとっての意味

総じて、このレビューは強力な画像読取ツールが研究室から臨床への道のりでまだ初期段階にあることを示しています。血管外科におけるコンピュータビジョンは、管理された条件下で血管の問題や創傷を高精度で検出・輪郭抽出・計測できることをすでに示しています。しかし、研究が現実の診療をよりよく反映し、多様な患者を含み、厳格な品質基準を満たすまで、これらのシステムは主に研究上の興味にとどまり、信頼される臨床パートナーにはなりません。開発者と臨床医がこれらの課題に取り組めば、コンピュータビジョンは診断を迅速化し、複雑な意思決定を支援し、血管疾患を持つ人々に専門的評価へのアクセスを広げる日常的な補助ツールになり得ます。

引用: Liyanage, A., Li, B., Yi, J. et al. Computer vision applications in vascular surgery: a systematic review and critical appraisal. npj Digit. Med. 9, 260 (2026). https://doi.org/10.1038/s41746-026-02427-6

キーワード: 血管外科におけるコンピュータビジョン, 医療画像のAI, 大動脈および頸動脈疾患, 糖尿病性足潰瘍, 末梢動脈疾患