従来の無呼吸スコアでは見抜けない死亡リスク、AIが睡眠検査データから識別

睡眠時無呼吸症候群の診断や治療方針の決定に長年用いられてきた「AHI（無呼吸低呼吸指数）」は、約1万人規模の長期追跡データにおいて、全死因死亡との有意な関連を示さなかった。一方、睡眠検査で得られる多様な生理学的データをAIで解析すると、死亡や心血管疾患などの長期的なリスクが異なる患者群を識別できることが示された。現時点では後ろ向き研究の結果であり、個人の診断や治療に利用するには前向き臨床試験が必要である。

■導入

何十年もの間、睡眠時無呼吸症候群の患者が治療や保険適用の対象となるか、あるいは高リスクと見なされるかを決定する中心的な数値は、睡眠中に気道が部分的または完全に塞がる1時間あたりの回数を示す「無呼吸低呼吸指数（AHI）」であった。しかし、8月3日付でNature Communications誌に掲載された研究は、最長20年間にわたって追跡された約1万人の臨床患者のデータにおいて、この数値では死亡リスクを予測できないことを示した。一方、AHIの算出に使われる夜間睡眠検査で収集され、現在は一つの数値に集約された後、その大半が活用されていないデータから、AIは死亡リスクの異なる患者群を識別できるという。

睡眠呼吸障害があると推定される世界約10億人の成人にとって、この問題は抽象的なものではない。その中には、AHIが「正常」でありながら、AIが特定した死亡リスクの最も高いグループに属する人がいる。逆に、AHIスコアが「重症」でありながら、低リスクのクラスターに属する人もいる。現在、担当医や保険会社は、AHIだけでは両者を区別できない。

この研究は、クリーブランド・クリニックの広報部門から5日前に発表された後、今週、news-medical.netやSleep Review誌で報じられた。IBM Research、クリーブランド・クリニック、イェール大学医学部、ワシントン大学、ケース・ウェスタン・リザーブ大学、ブラウン大学にまたがる多分野の共同研究によって実施された。

■睡眠検査後に活用されてこなかった膨大なデータ

標準的な睡眠ポリグラフ検査（PSG）は、米国で年間推定100万〜400万件実施されている検査室内睡眠検査のゴールドスタンダードであり、一晩で得られる医学的な生理データとして特に情報量の多いものの一つである。一晩を通じて、センサーは脳の電気活動（EEG）、眼球運動（EOG）、筋緊張（EMG）、心電図（ECG）、鼻圧および口鼻サーミスタによる呼吸気流、プレチスモグラフィベルトによる胸部と腹部の呼吸運動、血中酸素飽和度（SpO2）、呼気終末二酸化炭素（EtCO2）、いびきの振動を記録する。これらのデータは7〜8時間にわたり、同時かつ連続的に記録される。

従来の臨床的な解釈では、このシグナルデータ全体を「1時間あたりのイベント数」であるAHIへと集約してきた。米国睡眠医学会は、AHIが5〜14の場合を軽症、15〜29を中等症、30以上を重症の睡眠時無呼吸症候群と定義している。この分類が、治療の承認、保険償還、そして検査後に睡眠専門医が患者に行う説明を左右している。

「何十年もの間、私たちは一晩の睡眠検査を少数の要約指標に集約してきました」と、ワシントン大学の医学教授であり、本研究の臨床部門のシニアオーサーを務めるReena Mehra氏は述べている。「AIによって、そうした要約指標を超え、睡眠生理が持つ豊富な情報全体から学習できるようになります」

今回の研究は、これまで十分に活用されてこなかった豊富なデータに、臨床的に重要なシグナルが含まれていることを示している。

■言語モデルの技術を応用し睡眠を読み解くAI

研究チームは、睡眠データを扱う「基盤モデル」を構築した。これは、大規模言語モデルを生み出したものと同じAIの考え方に基づく。単一のタスクに特化したモデルを訓練するのではなく、基盤モデルは大規模で多様なデータから、さまざまな下流タスクに応用できる汎用的な表現を学習する。チームは、自然言語処理向けに開発された1億2600万個の学習可能なパラメータを持つRoBERTaベースのTransformerアーキテクチャを、マルチモーダルな生理学的時系列データを処理できるように適応させた。この適応には新たなトークン化の仕組みが必要だった。30秒ごとのPSGエポックを、重複しない10個の3秒セグメントに分割し、それぞれを768次元の埋め込み空間に投影してセパレータートークンと連結することで、チャネルごとに10個のトークンを生成した。これは、テキスト用のTransformerが単語の並びを処理するのと同様の構造的アプローチである。

学習可能な分類用トークン（CLSトークン）は、各エポックにおける複数チャネルの動態を、コンパクトな表現へと集約した。モデルは、5つの睡眠段階（N1、N2、N3、REM、覚醒）の分類、呼吸イベントの検出、酸素飽和度低下の特定という3つの教師あり学習タスクで同時に訓練された。これらのタスクは生理学的な制約として機能し、学習された埋め込み表現が単一の指標だけに最適化されず、明確に定義された臨床シグナルに基づくようにしている。

入力チャネルには、3つの標準的なEEG電極位置（C4、F4、O2）、SpO2、ECG、左右の眼球運動チャネル（E1／E2）、オトガイEMG、鼻圧、口鼻気流、胸部および腹部プレチスモグラフィ、いびき振動、呼気終末CO2が含まれた。モデルは2基のNVIDIA A40 GPUを使用し、9203件の検査データで訓練された。別に500件をテスト用、30件を検証用として確保した。前処理では、すべてのシグナルを128Hzにリサンプリングし、振幅を各チャネルの5〜95パーセンタイルの範囲で正規化した。

「睡眠は健康の重要な構成要素としてますます認識されていますが、睡眠中に捉えられる生理学的情報は、依然として十分に活用されていません」と、筆頭著者でIBM Researchの研究者であるErhan Bilal氏は述べている。「誰もが眠るからこそ、睡眠検査は睡眠障害の診断をはるかに超えて、人間の健康状態を知るための非常に有用な窓になります」

■AHIでは見抜けない5つのリスクグループ

訓練後、モデルは各患者の一晩分の睡眠生理データを、コンパクトな数学的表現にした高次元の埋め込みとして生成した。その後、チームは固定長の距離ベクトルにエネルギー距離を適用したk-means法を用いて、これらの埋め込みをクラスタリングした。さらに、100回のサブサンプリング反復から得られたシルエットスコアとコンセンサスマトリックスを使用し、2〜10クラスターの構成を評価した。

その結果、5つのクラスターが最も安定し、臨床的にも有益な構成として浮かび上がった。研究者らは、これらをリスクグループ1から5と名付けた。この順序は事前に決めたものではなく、臨床転帰の分析によってリスクの順序が確認された後に付けられた。

グループ間では死亡リスクに明確な差が見られた。主要なSTARLIT-10Kコホートは、2012〜2022年にクリーブランド・クリニックで実施された睡眠検査から得た、9297人の患者に対する9608件の検査で構成され、平均観察期間は14.5年とされた。年齢と性別を調整した場合、最もリスクの高いグループ（RG5）の全死因死亡のハザード比は、最もリスクの低いグループ（RG1）と比較して2.71だった。BMIと転帰別の併存疾患をさらに調整したモデルでは、RG5のハザード比は2.38（p＝1.20×10⁻⁷）だった。RG1からRG5へ一段階上がるごとに、統計的に有意な死亡リスクの上昇が確認された。

このリスクの勾配は、複数の器官系にわたって見られた。人口統計学的要因と併存疾患を調整した後、RG1と比較したRG5の疾患発症のハザード比は、主要心血管有害事象が1.64、心不全が1.65、心筋梗塞が1.84、心房細動が2.23、認知機能障害が1.93、てんかんが2.40だった。中間グループにも臨床的に意味のある差があり、RG3では2型糖尿病、虚血性心疾患、心筋梗塞、脳卒中、気分障害のハザード上昇が見られ、いずれも統計的に有意だった。

「現代のAIを使えば、一晩の睡眠生理に含まれる情報をより多く取り出し、長期的な健康リスクが大きく異なる、臨床的に意味のある患者グループを明らかにできます」と、責任著者であり、イェール大学医学部脳神経外科の非常勤職を兼務するIBM Researchのグローバルリーダー、Jeffrey Rogers氏は述べている。「これらの結果は、日常的な医学検査に、現在の臨床現場で抽出されているものよりもはるかに多くの生理学的情報が含まれ得ることを示しています」

■「正常」スコアでも高リスクとなる可能性

この研究で臨床的に特に重要なのは、AHIで定義された重症度と、AIが導き出したリスクグループが一致しない場合があることだ。

AHIカテゴリーとAI由来のリスクグループ間における患者の分布をサンキーダイアグラムで調べたところ、AHIで重症とされた患者は複数のリスクグループに分散していた。一方、最もリスクの高いグループには、従来の指標で正常と分類される患者を含め、すべてのAHI重症度の患者が含まれていた。1時間あたりの気道イベントが5回未満で、指標上は「正常」とされる患者でも、心血管疾患と死亡のリスクが最も高いグループに属する可能性がある。逆に、1時間あたり30回以上で「重症」とされる患者が、低リスクのクラスターに属する場合もある。

これは小規模な患者の入れ替わりにとどまらない。チームが、同一の共変量、患者集団、転帰定義を使用し、埋め込みから導き出したリスクグループの代わりにAHIの重症度カテゴリーを用いてCox比例ハザードモデルを実行したところ、AHIはいずれの重症度でも全死因死亡との有意な関連を示さなかった。治療によって関連が見えにくくなる可能性を取り除くため、気道陽圧療法を処方された患者を除外した後も、軽症、中等症、重症のAHIカテゴリーのハザード比は、それぞれ0.79、0.70、1.05で、いずれも統計的に有意ではなかった。

AHIの臨床的な限界は新たに指摘されたものではない。米国胸部学会は2025年の公式研究声明で、AHIに代わる、規模を拡大して利用できる指標の開発を優先課題として挙げている。AHI、覚醒指数、睡眠段階の割合など、PSGから得た集約指標を使った過去のクラスター分析では、心血管リスクと関連する広範な表現型が特定されていた。しかし、これらのアプローチは、元となる生のシグナル動態を圧縮した、睡眠技師によるスコアリング済みの要約指標に依存していた。これに対し、基盤モデルは、人為的に設計した特徴量を用いず、生のマルチモーダル時系列データから直接学習する。

AHIが死亡リスクを十分に識別できないことが示された影響は、保険と治療の両方向に及ぶ可能性がある。AHIが基準値に達しないため十分な治療を受けていない患者の一部が、最もリスクの高いグループに属する可能性がある一方、現在治療を受けている患者の一部が、最もリスクの低いグループに属する可能性もある。この研究だけでは、個々の患者がどのプロファイルに当てはまるかは判断できない。そのためには、AIを用いた層別化を臨床で検証し、導入する必要がある。ただし、現在のAHI中心の仕組みが、数億人規模でリスクを適切に分類できていない可能性を示している。

■気道だけではない：AIモデルが実際に測定しているもの

AIが導き出したグループがAHIよりも長期リスクを識別できる理由を調べるため、研究者らはモダリティ感度分析を実施した。埋め込みの生成時に特定の入力チャネルをゼロにし、クラスターの割り当てがどの程度変化するかを測定した。

EEG入力を取り除くとクラスターの再割り当てが著しく増加し、その変化は主にRG1からRG3に集中した。ECG入力を取り除いた場合は、グループごとの影響が異なる、別の再割り当てパターンが生じた。いずれの結果も、モデルの予後予測構造が、呼吸シグナルだけ、あるいは主として呼吸シグナルによって形成されているわけではないことを裏付けている。脳神経系と心臓のチャネルが、それぞれ独立してリスクグループへの所属に寄与している。

この結果には生物学的に理解しやすい解釈がある。AHIは定義上、気道閉塞イベントだけを測定する。しかし睡眠中にも、脳、心臓、代謝系、神経系は同時に活動している。睡眠の分断は、大脳皮質の覚醒パターンや自律神経の調節に影響する。酸素飽和度の低下は酸化ストレスを引き起こす。覚醒の反復は心拍リズムの動態や神経炎症のカスケードを変化させる。AHIは直接的な事象である気道の虚脱を捉える一方、長期的な器官系リスクに関係する、その後の生理学的変化までは捉えない。モデルはすべてのチャネルを同時に統合することで、それらの変化を直接捉えている。

チームはまた、ヒプノグラムにおける睡眠段階移行の周波数スペクトルを分析し、患者がどれほど頻繁に睡眠段階を移行するかを定量化する、新たな解釈可能指標「Spectral Sleep Fragmentation（SSF、スペクトル睡眠分断）」を開発した。SSFは、10分に1回よりも速い睡眠段階の移行に対応する周波数帯の、正規化されたスペクトルパワーとして定義される。層別化を簡略化した2クラスター版では、SSFだけで90％を超える分類精度を達成し、重要度の高い従来型PSG特徴量を5つ組み込むと、精度は94％に上昇した。しかし完全な5クラスター構成では、SSFを含む従来の指標で、埋め込みから導き出されたグループ分けを確実に再現することはできなかった。より複雑なリスク構造を捉えるには、完全なマルチモーダル表現が必要となる。

■独立した集団と男女両方での検証

新しい臨床層別化システムの重要な試験となるのが独立検証である。すなわち、異なる施設から集められ、異なるプロトコルで記録された、モデルが訓練時に見ていない患者のデータに適用するというものだ。

チームは、クリーブランド・クリニックの臨床紹介患者とは異なるPSGデータを持つ、大規模かつ公開された地域住民ベースのコホート「Sleep Heart Health Study（SHHS）」にパイプラインを適用した。SHHSの記録はSTARLITの臨床データよりチャネル数が少なく、鼻圧、サーミスタ、胸部・腹部バンドに限られ、サンプリングレートも異なっていた。こうした違いがあるにもかかわらず、パイプラインは臨床転帰との一貫した関連を再現した。RG5では、全死因死亡（ハザード比1.58、p＝0.021）と心不全の新規発症（ハザード比2.13、p＝0.023）のリスクが有意に上昇していた。

従来のSHHS分析との対比は示唆的である。AHIを使用した過去の研究では、全死因死亡との関連は主として、AHIが30以上の重症睡眠時無呼吸症候群がある40〜70歳の男性で確認され、女性では有意な関連が見られなかった。AHIに基づく評価では、新たな心不全の発症も、男性の重症閉塞性睡眠時無呼吸症候群だけと関連付けられていた。これに対し、基盤モデルによるアプローチは、AHIが最も重症の層に限定することなく、男女の双方でリスク上昇を検出した。

AHIだけでは低リスクと分類される人を含め、重症度の全範囲にわたり男女双方で機能するツールは、最も研究されてきた人口集団の極端な症例だけを検出するツールとは、臨床的に異なる性質を持つ。

■AIがまだ臨床現場でできないこと

研究者らは、この技術が患者の診療記録で実際に使われるまでに、解決すべき課題が残っていることを明記している。

この研究は後ろ向き研究であり、過去のデータを使用して関連性を特定したものであるため、因果関係を推論することはできない。埋め込みベースのリスク層別化を実際の臨床ワークフローに組み込んだ場合に、患者の転帰が改善するかを確認するには、前向き臨床試験が必要となる。またモデルは、人間の睡眠技師が付けた睡眠段階、呼吸イベント、酸素飽和度低下などの教師用アノテーションを使って訓練されている。このため、学習された埋め込みには、アノテーション上の取り決めが反映されている。著者らは、自己教師あり学習の目的関数を検討する今後の研究によって、技師が定義したラベルへの依存を減らせる可能性があるとしている。

STARLITレジストリには、CPAPやその他の気道陽圧療法を患者がどの程度継続して使用したかを示す客観的なデータがなかった。この点が転帰との関連に影響した可能性がある。投薬記録も完全ではなかった。臨床診断は、ICD-10コードを対象に検証済みの自然言語処理パイプラインを使って抽出された。臨床医によるレビューでは90％を超える一致率が得られたが、コーディング方法のばらつきによる誤分類の可能性は排除できない。

IBM ResearchとCleveland Clinic Discovery Acceleratorで開発された実運用向けコードは、組織の知的財産管理上の理由から公開されていない。主要な結果を再現するために使用された統計解析スクリプトは、再現性を目的とする学術研究向けに、責任著者のJeffrey Rogers氏から入手できる。

「次の段階は、多様な集団で今回の結果を検証し、医療と技術の専門家、業界パートナー、専門学会の関係者との連携を拡大することです」と、クリーブランド・クリニック・ディスカバリー・アクセラレーターのチーフサイエンティストで、生体医工学教授のCarl Saab氏は述べている。

■睡眠検査が以前から内包していた価値

この研究のさらに大きな意義は、世界各地の睡眠検査施設で毎晩収集されている既存データの価値を示した点にある。

米国だけでも、年間推定100万〜400万件の睡眠ポリグラフ検査が実施されている。その一つ一つが、何時間にもわたる連続的かつ高解像度のマルチモーダル生理データを生成する。このデータは単なる診断の副産物ではない。今回の研究が示すように、長期的な心血管、神経、生命予後のリスクを示す豊富なバイオマーカーとなり得る。シグナルは以前から存在していたが、大規模に抽出できる能力が新たに生まれたのである。

「7000万人近くの米国人が睡眠と覚醒に関する慢性疾患を抱えており、日常生活の機能や健康全般に影響を受けています」と、クリーブランド・クリニックの睡眠研究者Matheus Lima Diniz Araujo氏は述べている。「この発見は、通常の睡眠検査が持つ価値を広げ、慢性疾患において睡眠が果たす重要な役割を改めて示すことで、より個別化された睡眠医療につながる可能性があります」

著者らは、同じ考え方が睡眠以外にも広がる可能性があると示唆している。例えば、心臓モニタリング、持続血糖測定、携帯型EEGなどだ。臨床医学が豊富な生理学的記録を日常的に収集し、それを粗い要約指標へと圧縮している領域では、基盤モデルによって、従来の指標では失われるシグナルを見つけられる可能性がある。一晩の睡眠パターンには、その人の呼吸が止まった回数よりも、はるかに多くの情報が含まれているということだ。

この研究「A foundation model for sleep-based risk stratification and clinical outcomes」は、2026年8月3日、Nature Communications誌（DOI：10.1038/s41467-026-75326-9）に掲載された。研究は、Cleveland Clinic–IBM Discovery Accelerator Programと、米国国立心肺血液研究所（助成番号1R21HL170206-01）の資金提供を受けた。

■注目ポイントQ&A

●AHIとは何ですか？死亡リスクを予測できないという結果が重要なのはなぜですか？

無呼吸低呼吸指数（AHI）は、睡眠中に気道が部分的または完全に塞がる1時間あたりの回数を示す指標です。何十年もの間、睡眠時無呼吸症候群の診断、治療の承認、保険適用を左右してきました。AHIが5未満なら「正常」、30以上なら「重症」とされます。本研究では、最長20年間追跡された約1万人の患者において、いずれのAHI重症度カテゴリーも全死因死亡との有意な関連を示しませんでした。一方、同じ患者の同じ睡眠検査データからAIが導き出したリスクグループでは、全死因死亡のハザード比が最大2.71となりました。この差は、患者を重症度別に分類する指標と、長期的な転帰の違いを識別する指標との違いを示しています。また、AHIに基づく現在の治療判断、保険上の基準、リスク説明が、多くの人について実際のリスクと一致していない可能性を示しています。

●睡眠検査でAHIが正常だと言われた場合、どういう意味になりますか？

AHIが「正常」、すなわち1時間あたりの気道イベントが5回未満の場合、従来は臨床的に重要な睡眠呼吸障害のリスクがないことを示すものと解釈されてきました。しかし本研究では、AIが導き出した死亡リスクの最も高いグループに、正常スコアを含むすべてのAHI重症度の患者が含まれていました。AHIは、AIモデルがリスクグループの識別に利用する脳活動のパターン、心拍リズムの動態、睡眠の分断といった情報を捉えていません。このため、AHIが正常でも、心血管系や神経系のリスクが低いとは限りません。ただし、このAIはまだ臨床で使用できる段階ではなく、個人の診療判断に利用するには前向き臨床試験が必要です。心血管症状や神経学的な懸念がある場合は、AHI以外の要素を含むリスク評価について医師に相談することが考えられます。

●AIはどのように機能し、AHIと何が違うのですか？

基盤モデルは、睡眠ポリグラフ検査で得られる脳波、眼球運動、筋肉活動、心拍リズム、鼻の気流、胸部と腹部の呼吸運動、血中酸素飽和度、呼気二酸化炭素などの生シグナルを、一晩を通じて同時に処理します。データを30秒のエポックに分割し、さらに3秒のセグメントに分け、類似した生理学的パターンが近くに配置される数学的空間へ投影します。モデルは睡眠段階、呼吸イベント、酸素飽和度低下イベントを同時に特定するよう訓練されており、気道閉塞だけでなく、複数の生理学的側面に基づく表現を学習します。AHIが気道の虚脱頻度という一つの側面だけを捉えるのに対し、モデルは脳、心臓、自律神経系などに現れる変化も捉えます。今回の研究では、そうした情報から、長期的な健康リスクが異なる患者群を識別できることが示されました。

●このAIは次回の睡眠検査で利用できますか？

まだ利用できません。モデルは後ろ向き分析で統計的に有意な関連を示し、独立したコホートでも検証されましたが、臨床ケアに導入する前に前向き臨床試験が必要だと著者らは明記しています。また、実運用向けコードは、組織の知的財産管理上の理由から公開されていません。クリーブランド・クリニック・ディスカバリー・アクセラレーターは、多様な集団への検証拡大と、医療・技術分野や専門学会の関係者との連携を今後の段階として挙げています。このため、臨床導入には、さらに検証を重ねる必要があります。

元記事: AI Trained on 9,608 Sleep Studies Predicts Mortality; Standard Apnea Score Cannot