「聴く」だけでは見えなかった心臓の働き
心音を聞く。胸の四つの場所に器具を当て、短い時間だけ耳を澄ます。200年以上続く診察の所作に、電気信号と人工知能が重なった。目指すのは、心臓のポンプ機能が低下している可能性を、超音波検査に進む前の段階で拾い上げることだ。
順天堂大学大学院医学研究科循環器内科学の佐藤瑛一郎大学院生、鍵山暢之准教授、南野徹教授らとAMI株式会社の研究グループについて、順天堂大学は2026年11月12日、心音と単誘導心電図を組み合わせて解析する「AI聴診」について、国内多施設の前向き研究の成果を公表した。未学習の別集団964人で、左室収縮機能障害を見分けるROC曲線下面積（AUC）は0.904。論文は10月15日に「NEJM AI」でオンライン公開された。記事の新しさは11月12日の大学発表にあり、論文そのものの発表日と混同してはならない。
検出したのは「心不全」そのものではない
全身に血液を送り出す左心室の働きを測る代表的な指標が左室駆出率（LVEF）である。今回の研究は、心エコー検査でLVEFが40％以下だった人を「左室収縮機能障害あり」と定義した。心不全は症状や徴候、検査などを総合して判断される臨床症候群で、左室収縮機能障害と同じ言葉ではない。
胸の音から血液を送り出す能力を直接測るわけでもない。AIが探すのは、心音と電気信号に含まれる、収縮機能の低下と統計的に結び付く特徴である。陽性結果は「心臓病と確定した」という宣告ではなく、心エコーなど精密検査を優先するための手掛かりとして理解するのが正確だ。
2359人で学習し、別の6施設964人で試す
研究に参加したのは、医療上必要な理由で心エコー検査を受ける20歳以上の患者たち。AMI株式会社の心音図検査装置「Cardio-EGG」を用い、胸部の標準的な4部位それぞれで8秒間、心音と単誘導心電図を同時記録した。検査結果の基準は心エコーである。
モデルの開発には2359人（平均69.7歳、LVEF40％以下8.9％）のデータを使い、開発に使わなかった独立した6施設964人（平均68.6歳、同7.6％）で外部検証した。施設も患者も分けて性能を試した点は重要だが、「日本の全住民への一般検診で検証した」という意味にはならない。
数字を読み分ける――AUC、感度、特異度
外部検証のAUCは0.904（95％信頼区間0.876～0.930）。これは症例を識別する能力を要約する指標であり、「90.4％の人を正診した」という意味ではない。論文によると感度は86.3％、特異度74.2％、正確度75.1％だった。検出できなかった低LVEF患者も、機能低下がないのに陽性となる人もいる。
陰性的中率98.5％という値は魅力的だが、検証集団で機能低下があった人は7.6％と少ない。検査対象集団の有病率が違えば、陽性的中率や陰性的中率も変わる。AUC一つや陰性的中率だけを取り出して、一般の健診にすぐ転用できるとは結論できない。
循環器専門医より優れていた――比較の条件は
研究では外部検証集団から選んだ100人の記録を7人の循環器専門医が読み、判定を比較した。AIの正確度82.0％に対し、専門医の多数決は62.0％で、差は統計学的に有意だった（P=0.004）。ただし、この比較は964人全員について行われたわけではない。
さらにAIが使ったのは心音と心電図の組み合わせで、専門医は心音によって判断している。したがって「AIは循環器専門医の全診療能力を上回った」という見出しは誤りだ。専門医は実際には病歴、診察、心電図、血液検査、心エコーを総合する。比較したのは、制限された条件での一つの判定課題なのである。
波形の何を学ぶのか
研究グループは、時間的な前後関係をとらえるTransformerと、波形中の局所的特徴を抽出する一次元畳み込みニューラルネットワーク（CNN）を組み合わせた。通常の聴診で人が聞き分ける音色、雑音、拍動の間隔に加え、デジタル信号には人の耳では区別しにくい小さな変化も残る。
四部位からの心音と単誘導心電図を併用したモデルは、心音のみのAUC0.832、心電図のみの0.804を上回った。二部位だけを使う簡略モデルも外部検証でAUC0.903と報告されており、将来の現場運用を考える材料になる。ただしモデルが個々の患者で何を根拠に判定したかを人間が十分説明できるか、別の機種や騒音の多い診察環境で同じ性能になるかは、今後の検討事項だ。
1816年の木の筒から、デジタルの波形へ
聴診器の歴史は1816年のパリにさかのぼる。医師ルネ・ラエンネックは胸部の音を伝える筒を用いて診察し、1819年に聴診法の著作を刊行した。当初の器具は木製の単耳式で、現在の両耳式聴診器とは形が異なる。音を聞くことを、病理解剖と照らし合わせて診断の体系へ育てた点が画期的だった。
現代では聴診器に電子回路が加わり、心音の記録・保存・解析ができる。そこへ機械学習が入ることで、熟練者の耳を電子的に模倣するだけでなく、多数の心エコー結果と対応付けたパターンを探索できるようになった。とはいえ、聴診の価値がなくなるわけではない。機器が提案した検査の必要性を、患者の訴えや他の所見と照合する臨床判断は残る。
AI心電図の先行研究と、今回の違い
心臓の電気信号から低い駆出率を推定するAI研究は先行している。米国メイヨー・クリニックのグループによる2021年の実臨床試験では、AI心電図の判定を医師に提示した施設で低駆出率の新規診断が増えた。波形解析が診断の入口を変える可能性を示した一例だ。
順天堂大学などの研究が焦点を当てたのは、心音と心電図を一つの装置・短時間の測定で同時取得し、別の施設の患者群で確かめた点にある。技術の価値を考えるには、AI心電図より優れているかという単純な序列ではなく、どの場所で、誰に、どれだけ簡便に精密検査への橋渡しができるかを見る必要がある。
「使える医療機器」と「研究中のAI」は別
研究に用いたAMI株式会社の心音図検査装置「AMI-SSS01シリーズ Cardio-EGG」は、大学発表によれば医療機器として承認されている。一方、今回開発・評価されたAIモデルについて、大学は医療機器として承認されていないと明記している。この違いは患者にも医療機関にも決定的に重要だ。
研究はAMIとの共同研究で、同社と日本学術振興会の科研費（JP25K19371）が支援した。論文にはAMI社員が共著者として参加し、研究には独立した監査・モニタリングも行われたと開示されている。企業の関与を理由に成果を否定する必要はないが、実用化の判断には独立した施設での再検証と、臨床的利益の確認が欠かせない。
次に問われるのは「誰が助かったか」
対象者はもともと心エコー検査を受ける予定の患者だった。症状のない人を広く集める健診、雑音の多い救急外来、離島の小規模診療所などで同じ成績を期待できるかは、まだ分からない。測定部位の取り違え、不整脈、肺疾患、体格差、施設ごとの音環境も、実際の導入で考えるべき条件になる。
さらに重要なのは、AIが陽性者を増やした結果として心エコーの待機が短くなるか、早期治療につながるか、患者の予後を改善するかという問いである。今回示されたのは識別能力であって、患者の生命予後を良くしたという臨床試験結果ではない。
二百年前、医師は筒を通して胸の内側を聞く方法を手に入れた。いま日本の研究者が加えたのは、聞こえた音に別の情報を重ねる計算の力だ。次の進歩は数値の更新だけでなく、適切な患者が適切な時に詳しい検査を受けられるという、診療現場の成果で測られるだろう。
出典と検証事項
日本語の所属・研究者名は順天堂大学の一次資料を確認。独自の患者取材・臨床再現試験は行っていない。