AIベースのOCT分析が心血管イベント高リスク患者を特定、従来の分析を凌駕
PECTUS-AI研究の結果によると、人工知能（AI）ベースの光干渉断層計（OCT）分析は、心血管イベントのリスクが高い患者を検出し、従来のコアラボベースのOCT分析を上回ることが示されました。この知見は、European Heart Journalに掲載され、European Society of Cardiology (ESC) Congress 2025で発表されました。
研究の背景と目的
ラドバウド大学医療センターのJos Thannhauser博士は、AIベースのOCTが「OCTの幅広い採用を促進し、この情報豊富な画像診断モダリティの潜在能力を最大限に活用するのに役立つ」と述べています。研究チームは以前にOCTデータを自動分析・解釈するためのAIアルゴリズムを開発・検証しており、今回の研究は、その出力が臨床的関連性を持つかどうか、特にAIベースの薄い線維性アテローム性プラーク（TCFA）の特定が患者の転帰と関連するかを調査することを目的としました。
研究デザインと方法
PECTUS-AI研究は、前向き観察研究であるPECTUS-obs研究の二次解析であり、心筋梗塞患者で、すべての冠血流予備量比陰性（FFR-negative）の非責任病変（ターゲット病変）に対してOCTを受けた患者を対象としました。OCT画像は、独立したコアラボとOCT-AIDセグメンテーションアルゴリズムによってTCFAの有無が評価されました。主要評価項目は、2年後（±30日）の全死因死亡、非致死性心筋梗塞、計画外の血行再建術の複合（処置関連およびステント関連イベントを除く）と定義されました。
主な結果
PECTUS-obsに登録された438人の患者のうち、414人（病変数n=488）が本解析の対象となりました。平均年齢は63歳で、80.9%が男性でした。
研究者らは、AI-TCFAが患者の34.5%、コアラボTCFAが30%の患者で観察されたと報告しました。ターゲット病変内のAI-TCFAは主要評価項目と有意な関連性を示しました（ハザード比[HR], 1.99; 95% CI, 1.02-3.90; P = .04）。一方、コアラボTCFAと主要評価項目との間には有意な関連性は認められませんでした（HR, 1.67; 95% CI, 0.84-3.30; P = .14）。
さらに、研究者らが完全なプルバック（血管全体）を評価した場合、AI-TCFAと主要評価項目との間にはさらに強い関連性が認められました（HR, 5.50; 95% CI, 1.94-15.62; P < .001; 陰性予測値, 97.6%; 95% CI, 94.0%-99.3%）。
AIの優位性と「全体像」
Thannhauser博士は、AIがターゲット病変の評価のみと比較してより大きな予後予測能力を示した理由は、両アプローチの根本的な違いにあると考えています。「従来のターゲット病変分析は血管造影に基づき、コアラボは血管造影病変に対応するOCTプルバックのセクションをスクロールしますが、これは血管全体を手動で分析するには時間がかかりすぎるためです。」しかし、「薄い線維性アテローム性プラークはターゲット病変に限定されず、血管のどこにでも発生し得ます。AIを使用すれば、プルバック全体を血管全体にわたって再現性のある方法で自動的に分析できます。」本研究では、高リスク領域がターゲット病変外にも存在し、これらの追加の発見を組み込むことで予後予測価値が明確に向上したことが判明しました。これが、AIベースのアプローチがより強力な予測能力を示した最も可能性の高い理由であり、「血管の全体像」を捉えることができるためです。
臨床的意義と将来性
IRCCS Galeazzi-Sant’Ambrogio病院の心臓インターベンション医であるGiulio Guagliumi医師は、これらの予備データが確認され、AIツールがカテーテル検査室で利用可能になれば、「冠動脈分析を迅速化、簡素化し、半自動化し、治療と予後予測を個別化するためのリアルタイムで実用的なツールが得られる可能性がある」と述べています。
ニューヨーク工科大学の心臓病学教授であるZiad A. Ali博士は、PECTUS-AI研究には2つの主要な臨床的意義があると考えています。
- 自動分析は、観察者間のばらつきや手動によるフレームごとのレビューの非現実性を克服し、実世界の診療における高リスクプラークの標準化された再現性のある特定を可能にする。
- AIベースの評価が、ターゲット病変だけでなく、画像化されたセグメント全体を対象とすることで、優れた予後予測価値を持つという発見は、プラークの脆弱性が全身的な性質を持つことを強調している。
Ali博士は、「リアルタイムのAI駆動型OCT解釈が患者レベルのリスク層別化を導き、予防的介入を誘発する未来を示唆している」と述べ、この研究を「AIを日常のカテーテル検査室のワークフローに統合し、精密画像診断と臨床意思決定を結びつけるための極めて重要な一歩」と評価しています。