セダールサイナイ医療センター大学の研究チームは、心臓突然死の予測精度向上を目指す二つの革新的研究を相次いで発表し、臨床予測モデルの新たな枠組みを構築した。心臓突然死は米国で年間35万人以上が発生し生存率は約10％にとどまる。従来の左心室駆出率低下のみを指標とする手法では発症者の3分の2以上を見逃す実態があり、代替指標の開発が喫緊の課題だった。 一つの研究では機械学習を用い、オレゴン州とカリフォルニア州 Ventura County のデータ分析から、直前の警告症状と臨床歴の組み合わせが心臓突然死の発症を予測できることを明らかにした。呼吸困難と冠動脈疾患または心不全の併発、胸痛を伴わないてんかん様発作、そして性別に特化した胸痛と疾患の組み合わせが特徴的なリスクパターンとして抽出された。これらの症状は発症の少なくとも15分前に現れる傾向があり、緊急通報の遅延防止に直結する可能性がある。 別の研究では、同医療センターが2017年から運用する大規模コホートデータを分析し、心血管イベントの再発が長期的なリスク上昇と強く相関することを検証した。冠動脈閉塞の再発はリスクを3倍以上、心不全の再入院は2倍以上に上昇させることが確認され、歴史的な Framingham 心臓研究の知見とも整合した。 両研究の主任著者は、短期的な症状ベースの予測と長期的な再発イベントの追跡を並行させるアプローチが、従来の限界を突破し得ると指摘する。機械学習を活用したリスク予測アルゴリズムの臨床応用が進めば、救急現場における迅速な対応と患者教育の強化が可能となる。今後の課題としては、多様な集団での検証と、心電図パターン解析や遺伝子探索を含む次世代AI研究の継続が挙げられている。この一連の成果は、心臓突然死の死亡率低減に向けた予測医療の実装において重要なマイルストーンとなる。