ドップラー音を用いた深層学習による足首上腕血圧比予測の実現

なぜ脚の血流が重要か

世界中で何百万人もの人々が脚への血流不良、すなわち末梢動脈疾患を抱えています。脚の動脈が狭くなったり硬化したりすると、歩行が痛みを伴うようになり、創傷が治りにくくなって切断に至ることもあります。医師は足首と腕の血圧を比較する簡便な検査、足首上腕血圧比（ABI）によって早期に異常を発見できます。しかしこの検査は手間がかかり、専用機器が必要で、特に糖尿病や腎臓病などで動脈が硬くなって圧迫できない人にはしばしば失敗します。本研究は、携帯型ドップラー装置から聞こえるなじみのある“ゴーッ”という音をコンピュータが聞き取り、足先までどれだけ血が届いているかを即座に評価できるかを探っています。

ゴーッという音からリスクスコアへ

研究チームはAutoABIと呼ぶシステムを開発しました。患者の四肢に複数の血圧カフを巻く代わりに、臨床者は日常診療で用いる標準的な携帯型ドップラープローブを足首に当てます。プローブは動脈を流れる血液の拍動音を拾います。これらの音は、脚動脈疾患や糖尿病に伴う循環障害などを疑って病院の血管検査室に紹介された198人、合計ほぼ800件の検査から、それぞれ短い4秒のクリップとして記録されました。目的は、コンピュータプログラムが各録音を血流状態の4段階のABIレンジのいずれかに分類できるかどうかを検証することでした（著しく低い血流から明らかに正常まで）。

専門家のように聞けるようにコンピュータを教える

音声をコンピュータが理解できる形にするため、チームはまず各録音を1秒ごとの断片に分割し、個々の心拍を捉えました。次に各断片をスペクトログラムと呼ばれるカラフルな画像に変換しました。これは音のエネルギーが時間と周波数に沿ってどのように変化するかを示すものです。これらの画像を畳み込みニューラルネットワークとして知られる深層学習モデルに入力しました。モデルは一般的な画像解析設計であるResNetの2つのバージョンを基に構築され、ドップラー音の中にある臨床的に重要なABIカテゴリに対応するパターンを学習しました。研究者らは同一患者の録音が学習とテストの両方に現れないようにデータを慎重に分割し、システムが個別の症例を記憶するのではなく一般的な規則を学ぶよう配慮しました。

システムの性能

学習後、AutoABIは4つの血流カテゴリを区別する強い能力を示しました。両モデルとも、正常な循環と病的な循環を非常に高い精度で分離し、受信者操作特性曲線下面積（AUC）などの標準的な指標で、すべてのクラスで0.95前後またはそれ以上を示しました。最も多い誤分類は「ほぼ正常」と軽度低下の境界付近で起きており、この領域は人間の専門家でも目や耳で判断が分かれることがあります。重要な点として、研究チームが従来のABI測定で圧迫不能と判断された小規模な糖尿病患者群にこのシステムを適用したところ、ドップラー波形の形状に基づく専門家の見立てとモデルの予測は10例すべてで一致しました。

臨床での意義

著者らは、本手法を複数のカフと圧力測定に依存する市販の自動化ABI機器と比較しました。これらの機器は高速ですが同じ弱点、すなわち動脈が硬く圧迫できない場合にはうまく機能しない点を共有しています。対照的にAutoABIは広く普及している携帯型ドップラーと、スマートフォンのように深層学習モデルを動かせる機器だけを必要とします。厳密な数値値を提供するのではなく幅のあるレンジを返す代わりに、ベッドサイド、救急外来、または完全な血管検査室を欠く診療所でも迅速で客観的な指針を与えることができます。このシステムは、資源の限られた環境や従来測定が信頼できない高リスク患者に特に有用である可能性があります。

実運用に向けた次の一歩

本研究は概念実証の初期段階であり、著者らはその限界を強調しています。データセットは慎重に収集されたとはいえ規模は控えめであり、圧迫不能血管の症例数は非常に少なかった点が挙げられます。録音の品質は技術者がプローブを保持する仕方や背景雑音に左右され、システムはまだ異なるメーカーのドップラー機器や混雑した外来環境で検証されていません。将来の研究では、より大規模で多様な患者群、病歴の組み込み、バイアスや性能低下を監視する継続的な評価が必要です。それでも、コンピュータに血流を“聞かせる”ことを学ばせることで、脚の循環検査がより速く、安価に、広く利用可能になり、重大な血管疾患を日常生活を変える合併症に至る前に発見できる可能性が示唆されます。

引用: Rao, A., Battenfield, K., Fereydooni, A. et al. Enabling ankle-brachial index prediction from doppler sounds using deep learning. npj Cardiovasc Health 3, 21 (2026). https://doi.org/10.1038/s44325-026-00116-7

キーワード: 末梢動脈疾患, 足首上腕血圧比, ドップラー超音波, 深層学習, 四肢灌流