高齢心不全患者さんの「退院時の身体機能」が1年後のカギ！AIが教えてくれる希望の未来

2026-02-13

医療・病気

目次 [ close ]

高齢心不全患者さんの皆さんへ：退院後の不安をAIが少しでも軽くしてくれるかも！

心不全で入院したり、退院しても「またすぐに悪くなっちゃうんじゃないか」「前みたいに動けるかな…」と不安な気持ちを抱えている高齢者の皆さん、こんにちは。

心不全は、残念ながら年齢を重ねるとともに患者さんが増えていて、「心不全パンデミック」なんて呼ばれるほど、社会全体で大きな課題になっています。特に高齢の心不全患者さんは、体の機能が弱る「フレイル」や筋肉が減る「サルコペニア」など、複数の健康問題を抱えることが多く、入退院を繰り返しながら、なかなか元気になれないことも少なくありません。

そんな皆さんに、もしかしたら希望の光となるかもしれない、とっても大切な研究結果が発表されました！

順天堂大学保健医療学部理学療法学科の山田莞爾助教、同医学部循環器内科学講座の鍵山暢之准教授、同保健医療学部理学療法学科の高橋哲也教授と日本循環器理学療法学会との研究グループが、国内最大規模のデータを使って、高齢心不全患者さんの退院後の生活を左右する「ある大切なこと」を発見したんです。しかも、最新のAI（人工知能）を使って、その後の生命予後を高い精度で予測できるモデルまで開発したというから驚きですね。

これまでの予測は「心臓中心」だったけれど…

これまでの心不全の予後予測は、主に心臓のポンプ機能（左室駆出率）や血液検査の結果など、「心臓そのものの状態」にばかり注目してきました。もちろん心臓の状態はとても大切です。

でも、患者さん一人ひとりが「歩く」「立ち上がる」「ご飯を食べる」といった、日々の生活に直結する「身体の機能」や、全身の虚弱さが、退院後の生活やその後の命にどれくらい影響を与えるのかは、十分にわかっていませんでした。心臓が元気でも、体がうまく動かせなければ、やっぱり生活は大変ですよね。

そこで、研究グループは「もっと患者さんの全身の状態を見て、客観的な身体機能データも使って、正確に予後を予測できないか」と考えたんです。そのために、日本全国96施設、約1万人もの高齢心不全患者さんの大規模なデータを集めて、研究を進めました。

約1万人の大規模データとAIが教えてくれたこと

この研究では、心不全で入院してリハビリテーションを受けた65歳以上の患者さん、なんと9,700人ものデータが解析に使われました。すごい数ですよね！

研究グループは、患者さんの年齢や性別、他の病気の有無、血液検査の結果といった従来の臨床情報に加えて、理学療法士さんが退院時に測定した「客観的な身体機能データ」を、AI（機械学習の一種であるXGBoostという技術）に学習させました。

具体的にどんな身体機能データを使ったかというと、主に次の二つです。

バーセルインデックス（BI）：食事や着替え、お風呂、トイレ、移動など、日常生活の動作をどれくらい自分でできるかを評価する指標です。点数が高いほど、色々なことが自分でできる、ということですね。
SPPB（Short Physical Performance Battery）：バランス、歩く速さ、椅子からの立ち上がり能力など、高齢者の方の足腰の機能を総合的に評価するテストです。これも点数が高いほど、足腰がしっかりしている証拠です。

これらのデータをAIに学習させた後、開発したAIモデルが本当に正確に予測できるのかどうか、非常に厳しい「Leave-one-site-out交差検証」という方法で性能を評価しました。これは、96施設のうち1施設を「未知のデータ」として扱い、残りの95施設で学習したAIモデルでその1施設の結果を予測する、というのを96回繰り返す、とても信頼性の高い検証方法なんです。

驚きの結果！心臓だけじゃない「身体機能」がカギだった！

そして、その結果は、まさに驚きでした！

開発されたAIモデルは、既存の臨床リスクスコア（AHEADスコア、BIOSTAT compactスコア）と比べて、統計学的に有意に高い精度で、退院1年後の死亡リスクを予測できたんです。その予測精度は、AUC 0.76という高い数値でした。

さらに、AIが「どの情報を特に重視して予測しているのか」を詳しく分析したところ、最も重要な予測因子として浮上したのは、「退院時のバーセルインデックス」と「SPPB」だったんです！

これは、心臓の機能や血液検査データといった従来の指標と同じくらい、あるいはそれ以上に、「退院した時にどれだけ日常生活が自立し、自分の力でしっかりと動けるか」が、その後の1年間の生命予後を左右する、非常に重要なカギであることを科学的に証明したことになります。

この図は、今回の研究の全体像を示しています。患者さんの情報や検査データ、そして理学療法士さんが測った身体機能データ（バーセルインデックス、SPPBなど）をAIモデルに入力し、約1万人の大規模データで解析しました。その結果、AIは「退院時の身体機能」が最も重要な予測因子の一つであることを発見。この予測に基づいて、患者さんを「高リスク群」と「低リスク群」に分け、高リスクの患者さんには集中的なリハビリテーションを提供するなど、一人ひとりに最適化されたケアが実現できると期待されています。

これからの医療が変わる！「あなたにぴったりのケア」へ

この研究の成果は、高齢心不全患者さんの退院後のケアを大きく変える可能性を秘めています。

AIモデルを使うことで、退院時に「1年後に命を落とすリスクが高い患者さん」を、客観的かつ高い精度で見つけ出すことができるようになります。これまでは、どんな患者さんにも同じようなフォローアップがされていたかもしれませんが、これからは違います。

もしAIによってリスクが高いと予測された患者さんには、

集中的な心臓リハビリテーション
専門家による栄養指導
医師や看護師、理学療法士など、様々な専門職による手厚い訪問ケア

といった、まさに「あなた一人ひとりに合わせた個別化されたケア計画（Personalized Medicine）」を立てて、提供できるようになるでしょう。これは、限りある医療や介護の資源を、本当に助けが必要な患者さんへ効率的に配分することにもつながる、とても大切なことなんです。

さらに嬉しいことに、研究グループは、この予測モデルを医療現場の医師や理学療法士さんが日常的に使えるように、プロトタイプのWebアプリケーションも開発中だそうですよ！これから、このツールが実際にどれくらい役立つかを検証する研究を進めて、将来的には皆さんが受ける医療に導入されることを目指しているとのことです。

この研究が、一人でも多くの心不全患者さんの退院後の生活をより良くし、安心して暮らせるような、持続可能な医療システムを築く大きな一歩となることを心から期待したいですね。

知っておきたい用語解説

今回の記事に出てきた、少し難しいかもしれない言葉を、もう少し詳しく説明しますね。

バーセルインデックス（BI）：
- 食事、着替え、お風呂、トイレ、移動など、日常生活で私たちが行う基本的な動作（ADLと呼びます）を、どれくらい人の助けを借りずに自分でできるかを評価するものです。点数が高いほど、色々なことが自分でできる、つまり「自立度が高い」ということになります。
SPPB (Short Physical Performance Battery)：
- 高齢者の方の足腰の機能を総合的に評価する、いくつかの簡単なテストをまとめたものです。具体的には、バランスを保つ能力、短い距離を歩く速さ、椅子から立ち上がる時の力などを測ります。これも点数が高いほど、足腰がしっかりしていて、転倒のリスクなどが低いと判断されます。
フレイル：
- 年齢とともに体や心が弱ってきて、健康な状態と病気の状態の中間にある、いわば「虚弱」な状態のことです。まだ病気ではないけれど、放っておくと病気になりやすくなったり、転倒しやすくなったりします。早めに気づいて対策をすれば、元の元気な状態に戻れる可能性もあります。
サルコペニア：
- 加齢や病気によって、筋肉の量が減ってしまい、それに伴って筋力や体の動きが悪くなった状態を指します。これも高齢の方によく見られ、日常生活での活動が制限されたり、疲れやすくなったり、転びやすくなったりする原因になります。

研究者の皆さんからのメッセージ

この研究に携わった研究者の方々は、次のようなコメントを寄せています。

「これまで多くの高齢心不全患者さんが、退院後の生活で苦労される姿を目の当たりにしてきました。」

「今回の研究で、心臓の状態だけでなく『退院時にどれだけしっかりと動けるか』という身体機能こそが、その後の人生を左右する重要な鍵であることを、科学的に証明できたことに大きな喜びを感じています。」

「この成果が、患者さん一人ひとりに寄り添ったリハビリテーション計画の立案に繋がり、退院後の生活に希望をもたらす一助となることを心から願っています。」

このように、研究者の皆さんも、心不全で苦しむ患者さんのことを深く思い、この研究を進めてきたことが伝わってきますね。

この研究について詳しく知りたい方へ

今回の研究成果は、国際的な医学雑誌『The Lancet Regional Health – Western Pacific』に掲載されました。もし、さらに詳しい情報に興味がある方は、以下の論文情報を参考にしてください。

タイトル：Machine learning prediction of 1-year mortality in older patients with heart failure: a nationwide, multicenter, prospective cohort study
タイトル(日本語訳)：高齢心不全患者の1年後死亡を予測する機械学習モデル：多施設前向きコホート研究
著者：Kanji Yamada, Nobuyuki Kagiyama, Tomoyuki Morisawa, Masakazu Saitoh, Kentaro Iwata, Michitaka Kato, Koji Sakurada, Yuji Kono, Yuki Iida, Masanobu Taya, Yoshinari Funami, Kentaro Kamiya, Tetsuya Takahashi.
掲載誌：The Lancet Regional Health – Western Pacific (2026年2月3日付オンライン版)
DOI：10.1016/j.lanwpc.2026.101808