心音信号の信号処理と機械学習による冠動脈疾患の診断：系統的レビュー

動脈に入る代わりに心臓を聴く

心臓に血液を供給する血管が狭くなる冠動脈疾患は、世界的に主要な死因の一つです。現在、医師は通常、カテーテルを心臓に挿入するなどの侵襲的検査や高価な画像診断装置でこの病気を確定します。本研究は単純で魅力的な問いを投げかけます：胸部に置いたマイクで記録しコンピュータで解析した普通の心音を注意深く分析することで、狭窄した心臓の動脈を安全かつ迅速に一次スクリーニングできるだろうか？

なぜ動脈の詰まりが心音を変えるのか

冠動脈が狭くなると、血液はより狭い開口部を通るため乱流で高速の流れが生じます。その乱流は、特に通常は血流が穏やかな心臓の拡張期に、かすかな雑音や追加の振動を生み出すことがあります。同じく血流供給の低下は心臓の収縮力をわずかに弱め、主要な心拍のタイミングや強さを変えることがあります。これらすべての変化が心拍の“音楽”をわずかに再形成します。現代の電子聴診器はこれらの音を捉え、コンピュータ解析のためにデジタル信号に変換できます。

研究者たちが科学文献をどう検索したか

著者らは主要な医学データベースを4つ調査し、心音と冠動脈疾患に関する千件以上の文献を精査しました。重複や非常に小規模な報告、方法に問題のある論文を除外した結果、合計13,814人を含む40件の研究が残りました。ほとんどすべての研究で、冠動脈の標準的な画像診断により有意な狭窄の有無が確認され、その結果と心音から得られる情報が比較されていました。およそ半数の研究は伝統的な信号処理—音のエネルギーや周波数の数学的記述—に依拠し、残りはデータから直接パターンを学習する機械学習を用いていました。

従来の音響測定の限界

従来のアプローチでは、研究者たちは狭窄を反映すると考えられるいくつかの特定の音響特徴を選びました。典型的な指標には、拡張期に特定の周波数帯で現れる音エネルギーの量や、主要な心拍の持続時間や強さが含まれます。これらの研究は小規模集団では有望に見えることが多く、疾患を70%以上の割合で正しく識別できたと報告されることもありました。しかし、サンプルサイズが数百〜数千に増えると精度は低下し、しばしば70%を下回り、時にコイントスに近い成績となりました。さらに多くの研究は方法を開発した同じ被験者で検証を行っており、新しい患者で同様の結果が得られるかに疑問を残します。

機械学習は心臓の隠れたパターンを学ぶ

新しい研究群は異なる道を取りました。少数の手作業で選んだ特徴に限定する代わりに、コンピュータアルゴリズムが音のより豊かなパターンを学習できるようにしました。ある研究は何十、あるいは何百もの従来の測定を組み合わせ、別の研究は生の音波や心拍の時間–周波数表示をディープラーニングネットワークに入力しました。こうした19件の研究の多くは感度と特異度が80%以上であったと報告しており、疾患のある人と健康な人の双方を高い割合で正しく識別していました。重要なのは、ほとんどの機械学習研究が訓練に用いなかった別の被験者の心音でモデルを検証しており、ツールの一般化可能性に対する信頼が高まっている点です。拡張期の静かな期間だけでなく心拍サイクル全体を聴くモデルの方が性能が良い傾向があり—動脈疾患の有用な手がかりは心拍の特定の一瞬に限られず全体に散らばっていることを示唆します。

日常医療にとって何を意味するか

総じて、心音に機械学習を適用することは冠動脈疾患を発見する非侵襲的補助として実際に有望であり、単純な信号処理だけでは精度が十分でない可能性が高いことが示唆されます。著者らはしかし注意を促しています：これまでの研究は小規模で単一施設によるものが多く、録音環境が慎重に制御された条件下で行われていることが多いのです。研究から日常利用へ移すには—救急室、診療所、あるいはスマートフォンベースのツールであっても—より大規模で多施設の臨床試験が必要です。将来の研究は、こうしたシステムが多様な患者集団でも精度を保てること、臨床医にとって理解可能であること、診療フローにスムーズに組み込めることを示さなければなりません。これらのハードルがクリアできれば、人工知能の助けを借りて心臓を注意深く聴くことで、侵襲的検査が必要になるずっと前に隠れた動脈疾患を発見する手助けができるかもしれません。

引用: Ainiwaer, A., Konings, T.J., Kadier, K. et al. Coronary artery disease diagnosis with signal processing and machine learning of heart sound signals: a systematic review. npj Digit. Med. 9, 350 (2026). https://doi.org/10.1038/s41746-026-02530-8

キーワード: 冠動脈疾患, 心音, 機械学習, 非侵襲的診断, デジタル聴診器