UCバークレー、AIで心電図から未知の突然死リスク信号を特定

UCバークレーAI研究が明らかにした心臓突然死予測の新指標

加州大学バークレー校のジアド・オーバーマイヤー准教授率いる研究チームは、2026年6月24日付の科学誌『Nature』にて、44万件以上の心電図（ECG/EKG）を学習したディープラーニングモデルによって、これまで認識されていなかった新たな電気的信号を発見したと発表しました。この信号は、心臓突然死のリスクを、現行の臨床基準よりもはるかに高い精度で予測します。

これまで見逃されてきた「波形の微細パターン」

AIモデルは、心電図に現れる微妙な波形パターン——心臓が作り出すスパイク状の電気的活動——を特定しました。これらのパターンは、人間の読影医や標準的な臨床検査では絶対に検出できないものです。このパターンは、心臓の電気システムが突然停止する前に機能不全を起こしていることと相関しているとみられます。AIは、心臓が致命的な誤作動を起こす寸前の特徴に「焦点を当てた」可能性がありますが、正確な生理学的メカニズムはまだ解明されていません。

440,000件超のデータで学習、スウェーデン・米国・台湾で検証

研究チームは、スウェーデンからの44万件以上の心電図データと死亡診断書を連結した大規模データセットを用いてディープラーニングモデルを訓練しました。健康な人、リスクのある患者、そして後に心臓突然死で亡くなった人のスキャンをモデルに学習させ、結果を予測する波形パターンを認識できるようにしたのです。

その後、モデルは米国（サンディエゴ地域）と台湾（台北市）の数千件の追加患者ファイルで検証されました。Natureの同行ニュース記事も、このモデルが大規模な心電図データと死亡記録を用いて開発されたことを確認しています。

リスク検出性能：年間7% vs 4.6%

AIシステムが特定する「高リスク群」の年間心臓突然死発生率は**7%でした。比較対象として、心臓が1回の拍動で送り出す血液量（左室駆出率）を測る標準的な臨床検査が特定する高リスク群の年間発生率は4.6%**にとどまります。つまりAIは、より広い範囲の患者を高リスクと判定し、かつ誰が実際に突然死するかをより正確に予測したのです。この差は、従来の基準では「低リスク」と見なされていた何千人もの患者が毎年救われる可能性を示しています。

なぜ検出が困難だったのか

心臓突然死は、米国だけで年間30万人以上が命を落とす致死的症状で、心臓の電気システムが予告なく突然停止することで発生します。オーバーマイヤー准教授は、体内植え込み型除細動器（ICD）という効果的な治療法（心臓に電気ショックを与えリズムを戻す装置）は存在するものの、医師は「誰にICDが必要か」を前もって特定できていないと指摘します。

最大の問題は、患者があまりに急死するため、死の直前に心臓内部で何が起きていたかを知ることがほぼ不可能な点にあります。解剖では構造的な異常はわかっても、死の直前の電気的機能までは追跡できません。

次のステップ

研究チームは、このAIアルゴリズムを実際の医療システムに導入し、医師がICDの適応判断をより的確に行えるようにする計画を立てています。同時に、心臓の電気的機能不全の背後にある生理学的メカニズムの解明に向けた新たな研究への扉を開きます。オーバーマイヤー准教授は「より良い判断を下せるようになるだけでなく、心臓が止まる前に患者に実際に何が起きているのかを理解し始めたい」と述べています。心電図は世界中の医療機関で日常的に実施される低コストな検査であるため、このツールは広くスケールし、多くの命を救う可能性を秘めています。