仅凭1张X光片计算X射线年龄，有望成为新的健康指标

理化学研究所生命医科学研究中心循环器基因组学信息学研究组的伊藤薰组长家城博隆研修生（研究当时，现理研生命医科学研究中心循环器基因组学信息学研究组访问研究员、东京大学医学部附属医院循环器内科医师、原纪念医院非常勤研究员）、东京大学研究生院医学系研究科循环器内科学领域的小室一成教授、榊原纪念医院的佐地真育医长、长友佑司医长、井口信雄副院长、主任部长、吉川勉研究所、研修所所长、矶部光章院长等共同研究小组，开发了根据胸部X射线（X光）图像推定患者年龄的人工智能（AI）模型，明确了其临床有用性。

本研究成果的「X射线年龄」，显示从一般诊疗被认为没有异常的画像更详细地能验证风险的可能性的同时，作为有关心脏病的新的健康的指标在临床上的应用能期待。

随着年龄的增长和老化，会成为包括心脏病在内的各种疾病的原因，因此到目前为止，尝试开发了很多推测年龄增长和老化程度的方法。但是，仅从胸部X射线影像推测年龄的方法，以及推测年龄对心脏病等的医学意义还不清楚。

此次，共同研究小组，开发了使用AI从胸部X射线图像1张推测患者的年龄的模型，这个AI模型的推定精度显示了超过胸部X射线的诊断擅长的专业医生的精度。另外，将推定年龄（X射线年龄）适用于1562名心力衰竭患者时，发现患有心脏病等并存疾病的患者X射线年龄比实际年龄高。并且X射线年龄比实际年龄高的患者，与低的患者相比，由于心力衰竭的再住院·死亡率明显高。

本研究刊登在在线科学杂志《Communications Medicine》（12月9日）上。

背景

随着年龄的增长和老化，会成为包括心脏病在内的各种疾病的原因。为了推定这个年龄·老化的程度，到现在为止各种各样的手法的开发被尝试了。根据血管的动脉硬化和呼吸功能检查的检查值推定的“血管年龄”和“肺年龄”作为健康的指标被广泛使用。

近年来，随着深层学习（深度神经网络）的发展，有很多关于从磁共振图像法（MRI）等医疗图像中尝试年龄推测的研究的报道。使用深层学习从心电图1张推定年龄的AI模型，用6.9岁的绝对误差推定年龄可能，推定的年龄与心脏疾病的并存率等相关报道备受关注。同时，根据头部MRI画像推定年龄的AI模型，所推定了的年龄与将来的痴呆症发病频度相关）。从医疗图像推测的年龄作为健康指标可能有用，引起了关注。

胸部X光是进行最多的医疗影像检查之一，广泛用于心脏病、肺病等的诊断和过程观察。但是，从胸部X光影像能正确地推定患者的年龄，与医生的推定相比精度高，推定年龄和实际年龄的差给予的对心脏疾病的医学意义不充分。

研究方法成果

共同研究小组，从作为胸部X射线图像的公共的数据库的美国的NIH Chest X-ray数据组注使用10万张以上的X射线数据，开发·验证了只根据胸部X射线的正面图像1张推定患者的年龄的AI模型。深层学习的模型使用了名为Squeeze-and-Excitation网络（SENet）的卷积神经网络模型。

使用日本放射线技术学会所有的JSRT数据这一由日本人胸部X射线构成的独立测试数据（245张胸部X射线图像），验证了AI模型的精度，结果显示，平均绝对误差4.95岁推测年龄和实际年龄的相关系数为0.916（皮尔森的相关系数），可以高精度地推测年龄。另外，为了与医生的年龄推测精度进行比较，使用相同的245张胸部X光图像，由循环器官内科医师、呼吸器官内科医师、放射线专门医师共计7人进行了年龄推测。7名医生的年龄估计精度为平均绝对误差10.9岁，估计年龄与实际年龄的相关系数为0.698（皮尔森的相关系数），不及AI模型的精度。

接下来，为了调查通过该AI模型推定的年龄，即“X射线年龄”所具有的临床意义，在美国NIH数据集的胸部X射线图像中应用该AI模型，分析了与患者的病史和预后的关联。结果显示，在胸部X射线影像中有胸水和纤维化等异常表现的患者，X射线年龄被推定为比实际年龄更高龄。

另外，使用在榊原纪念医院因心力衰竭住院的1562人的数据库，计算住院时的X射线年龄，研究了X射线年龄与患者并存疾病的关联。结果显示，患有高血压症、心房颤动、心房粗动的患者，X射线年龄比实际年龄大1岁左右。根据这些结果显示，X射线年龄可能有助于推测胸部X射线影像的异常所见和患者隐藏的并发症。

据调查，患有高血压、心房颤动、心房粗动并存疾病的患者分别为0.87岁、1.22岁，X射线年龄较高。

另外，研究了X射线年龄与1562名心力衰竭患者预后的关联，结果显示，X射线年龄比实际年龄被推定为高龄的患者，因心力衰竭而再次住院及死亡率的频率明显高。在美国的集中治疗数据库MIMIC-IV数据中，即使是因心脏病而住进集中治疗室的患者，X射线年龄被推定为高龄的患者死亡率也很高。这表明X射线年龄不仅与并存疾病的指标有关，还与寿命有关。

推定X射线年龄为高龄的患者组（绿色）与推定为年轻的患者组（蓝色）相比，因心力衰竭而导致的再住院率和死亡率明显高。（通过校正了年龄、性别、肾功能、贫血、心力衰竭的标记物等因子的Cox proportional hazard model进行生存分析）

今后展望

本研究成功开发出了根据1张胸部X射线图像以高精度推定年龄的AI。这个AI模型比医生的年龄推定更高精度，并且在世界上首次明确了从X射线推定的X射线年龄与并存疾病和心脏疾病的寿命相关。这是通过使用这个AI模型，从1张胸部X射线图像能推定患者的年龄增长·老化，暗示一般诊疗被错过的异常也有唤起注意的可能性的结果。

胸部X射线这种最广泛使用的医疗图像检查的新活用方法以及X射线年龄这一新的健康指标的有用性，可以期待在临床上的应用。

打赏