「AI聴診」で心臓の収縮機能低下を高精度に検出

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 教授らの研究グループは、AMI株式会社との共同研究により、デジタル聴診器で記録した心音と心電図をAIで解析し、心臓（左心室）の収縮機能が低下した状態（左室収縮機能障害(*1)）を高い精度で検出する「AI聴診(*2)」の手法を検証しました。本研究では、国内の複数の医療機関で、研究のために新たに収集した2,359名のデータを深層学習させたAIモデルについて、別の6施設の964名で外部検証(*3)したところ、AUC(*4) 0.904という高い識別能を示しました。さらに、その正確度は循環器専門医による聴診判定を上回りました。本成果は、心エコー検査が必要な患者を簡便かつ効率よく見極め、心不全の早期発見につながることが期待されます。

本論文はNEJM AI誌のオンライン版に2026年10月15日付で公開されました。

本研究成果のポイント

●  心音と心電図をAIで解析し、心臓の収縮機能低下を高精度に検出するモデルを検証

●  外部検証（6施設・964名）によりAUC 0.904を達成、専門医の聴診判定を上回る正確度

●  心エコー検査が必要な患者を効率よく見極め、心不全の早期発見への活用に期待

背景 

心不全は高齢化に伴って増え続けており、その前段階である左室収縮機能障害は、自覚症状に乏しく発見が遅れやすい一方、早期に治療を始めることで経過を改善できることが知られています。左室機能の評価には心エコー検査（心臓超音波検査）が標準的に用いられますが、専用の装置と専門技術を要するため、すべての患者に速やかに行うことは容易ではありません。一方、聴診（体内の音を聞き、心臓、肺、腸などの状態を調べる基本的な診察方法）は簡便な診察法ですが、収縮機能の低下を聴き分けることは専門医にとっても難しく、医師の経験によって判断がばらつくという課題がありました。近年、デジタル化した心音をAIで解析する研究が進んでいますが、複数の医療機関で新たに収集した大規模なデータを用いて開発したAIと、開発に使用していない患者データを用いた精度の検証は、まだ十分ではありませんでした。そこで研究グループは、AI聴診で左室収縮機能障害を検出する手法を開発し、AIの開発に使用していない別の6施設の患者データを用いて、その精度を検証する研究を実施しました。

 

内容

本研究では、国内の多施設において、診療上の必要から心エコー検査を受ける20歳以上の患者を前向きに登録しました。デジタル聴診器（心音図検査装置、AMI株式会社製「Cardio-EGG®」(*5)）を用いて、胸の標準的な4か所の聴診部位で心音と単誘導心電図*6を同時に記録し（各8秒間）、心エコー検査で左室駆出率（LVEF）)(*7)が40%以下の場合を「左室収縮機能障害あり」としました。AIは、Transformer(*8)と呼ばれる深層学習モデルと、畳み込みニューラルネットワーク（CNN）(*9)を組み合わせて構築し、2,359名（平均年齢69.7歳、うちLVEF 40%以下は8.9%）のデータで学習させました。その性能を、AIの学習に用いていない「別の6施設」で新たに集めた964名（平均年齢68.6歳、同7.6%）のデータで検証しました。

その結果、AI聴診は外部検証においてAUC 0.904という高い識別能を示しました。感度（左室収縮機能が低下している人を正しく検出できる割合）は86.3%、陰性的中率（AIが「可能性が低い」と判定した人のうち、実際に低下がなかった人の割合）は98.5%でした。また、心音のみ、または心電図のみを用いたAI（AUC 0.832、0.804）や、年齢などの臨床情報・心電図の所見、血液検査（BNP(*10)）を組み合わせた統計モデル（AUC 0.719～0.848）よりも高い精度を示しました。年齢、性別、心房細動や弁膜症の有無などで分類した解析も、精度は安定していました（AUC 0.882～0.959）。

さらに、外部検証の対象者から選んだ100名の記録を循環器専門医7名の判定と比較したところ、AIの正確度は82.0%で、専門医の多数決による判定（62.0%）を統計学的に有意に上回りました（専門医は心音のみ、AIは心音と心電図を用いて判定）。

今後の展開  

本研究により、デジタル聴診器とAIを組み合わせることで、心エコー検査の前段階において、心臓の収縮機能が低下している可能性の高い患者を高い精度で見極められることが示されました。聴診は特別な設備を必要とせず短時間で行えるため、心エコー検査をすぐに実施することが難しい医療現場でも、精密検査が必要な患者を効率よく専門的な診療につなげる手段となることが期待されます。

一方で、本研究の対象は、主に専門施設で心エコー検査が必要と判断された患者です。症状のない方を対象とした健診などでの有用性や、AI聴診が実際に患者の予後や診療の効率が改善するかについては、今後さらなる検証が必要です。

今後、AI心電図など他検査との組み合わせも含め、実際の診療の流れの中での有用性を検証していくことで、心不全の早期発見・早期治療の実現につながることが期待されます。

※本研究で使用した心音図検査装置（AMI-SSS01シリーズ「Cardio-EGG®」）は、医療機器としての承認を受けています。なお、今回開発したAIモデルは研究段階のものであり、医療機器としての承認を受けたものではありません。

図1：AI聴診による左室収縮機能障害の検出（本研究の概要）

（模式図…上段左：記録部位、上段中央：AIモデルの構成、上段右：判定、下段左：外部検証の結果、下段右：循環器専門医7名との比較）

デジタル聴診器で胸の4か所から心音と心電図を同時に記録し、2種類のAIを統合したモデルで解析することで、心臓の収縮機能の低下（左室駆出率40%以下）を検出します。学習に用いていない別の6施設・964名での外部検証においてAUC 0.904の高い精度を示し、正確度は循環器専門医の聴診による判定を上回りました。

 

用語解説

＊1　左室収縮機能障害： 全身に血液を送り出す心臓の左心室の収縮する力（ポンプ機能）が低下した状態です。自覚症状がない段階でも、将来の心不全や心血管疾患と関連することが知られています。本研究では、左室駆出率（LVEF）が40%以下の状態と定義しました。

＊2　AI聴診：デジタル聴診器で記録した心音などのデータを人工知能（AI）で解析し、心臓の状態を評価する技術です。

＊3　外部検証： AIなどの予測モデルを、その開発（学習）に用いていない別の患者集団のデータで評価することです。開発したAIモデルが開発元のデータの特徴に依存せず、他のデータにも幅広く通用するかを確かめるうえで重要とされます。

＊4　AUC（ROC曲線下面積）： 検査や予測モデルが、病気のある人とない人をどの程度正しく見分けられるかを示す指標です。0.5～1.0の値をとり、1.0に近いほど精度が高いことを示します。一般に0.9以上は非常に高い識別能とされます。

＊5　Cardio-EGG： AMI株式会社が開発したデジタルの心音計です。幅広い周波数の心音と単誘導心電図を同時に記録できます。

＊6　単誘導心電図： 体表に当てた電極から、心臓の電気的な活動を1方向から記録する簡易的な心電図です。

＊7　左室駆出率（LVEF）： 心臓が1回収縮する際に、左心室の中の血液のうち何%を送り出しているかを示す指標で、ポンプ機能の評価に用いられます。おおむね50%以上が正常とされ、40%以下は明らかに低下した状態です。

＊8　Transformer： 文章や音声など、時間的な順序をもつデータの前後関係を捉えることに優れた深層学習の仕組みです。音声認識や生成AIなどに広く用いられています。

＊9　畳み込みニューラルネットワーク（CNN）： 画像や波形に含まれる局所的な特徴を捉えることに優れた深層学習の仕組みです。

＊10　BNP（B型ナトリウム利尿ペプチド）： 主に心臓に負担がかかったときに分泌されるホルモンで、血液検査で測定されます。心不全の診断などに広く用いられています。

研究者のコメント

聴診は200年以上の歴史を持つ基本的な診察法ですが、心臓の収縮機能の低下を聴診だけで見抜くことは、経験を積んだ循環器専門医にとっても容易ではありません。本研究では、デジタル聴診器とAIを組み合わせることで、人の耳では捉えにくい変化を高い精度で捉えられることを、多施設の前向きデータで示すことができました。今後、実際の診療の場での検証を重ね、心不全をより早く見つけ、一人でも多くの患者さんを適切な治療につなげる一助となることを願っています。

原著論文　

本研究はNEJM AI誌のオンライン版に2026年10月15日付で公開されました。

タイトル： Artificial Intelligence–Enhanced Auscultation to Identify Left Ventricular Dysfunction — Development and External Validation in Prospective Multicenter Studies

タイトル(日本語訳)： AI聴診による左室収縮機能障害の検出：多施設前向き研究における開発と外部検証

著者： Eiichiro Sato1), Yuki Izumi2), Yuki Saito3), Yoshihito Saijo4), Takeshi Kitai5), Akihiro Hayashida6), Azusa Murata1), Tomohiro Kaneko1), Akira Sakamoto1), Takahiro Sakamoto5), Kenya Kusunose7), Tohru Minamino1), Hiroshi Seki8), Koshiro Ikeda8), Shumpei Saito8), Shimpei Ogawa8), Nobuyuki Kagiyama1,9)

著者（日本語表記）： 佐藤瑛一郎1)、泉佑樹2)、齋藤佑記3)、西條良仁4)、北井豪5)、林田晃寛6)、村田梓1)、金子智洋1)、酒本暁1)、坂本考弘5)、楠瀬賢也7)、南野徹1)、関博史8)、池田航士郎8)、齊藤旬平8)、小川晋平8)、鍵山暢之1,9)

著者所属： 1) 順天堂大学大学院医学研究科循環器内科学、2) 榊原記念病院循環器内科、3) 日本大学医学部内科学系循環器内科学分野、4) 徳島大学病院循環器内科、5) 国立循環器病研究センター心臓血管内科、6) 心臓病センター榊原病院循環器内科、7) 琉球大学大学院医学研究科循環器・腎臓・神経内科学講座、8) AMI株式会社、9) 順天堂大学大学院医学研究科循環器遠隔管理学講座

DOI： 10.1056/AIoa2600258

本研究は、AMI株式会社との共同研究として実施され、同社およびJSPS科研費JP25K19371の支援を受けました。

本研究にご協力いただいた皆様に深謝いたします。