注目ポイント
- 楕円体帯（ellipsoid zone, EZ）の保全指標と高反射小塊（hyperreflective foci, HRF）数は、2年以内の中間期加齢黄斑変性（intermediate AMD）から進行期萎縮型AMDへの進展を予測する強力なベースライン指標である。
- 機械学習を併用した定量的光干渉断層計（optical coherence tomography, OCT）解析は、従来画像では捉えにくい微細な網膜構造変化を効果的に検出した。
- 複数のOCTバイオマーカーを用いた予測ランダムフォレストモデルは、疾患進行予測において高い精度（AUC = 0.85）を示した。
- これらの知見は、早期のリスク層別化、臨床試験デザイン、ならびに萎縮型AMDの発症遅延を目的とした標的治療介入に有用であることを示している。
研究背景
加齢黄斑変性（age-related macular degeneration, AMD）は、高齢者における不可逆的視力低下の主要な原因の一つである。中間期AMD（intermediate AMD, iAMD）は、網膜構造変化が明瞭に認められる一方で、不可逆的な萎縮が成立する前段階にあたる重要な病期である。現在の臨床的課題は、iAMD患者のうち、網膜色素上皮（retinal pigment epithelium, RPE）喪失および外網膜萎縮を特徴とする進行期萎縮型AMDへ急速に進展する高リスク症例を特定することであり、こうした患者は早期介入の恩恵を最も受けやすいと考えられる。光干渉断層計（OCT）は網膜各層を高解像度で描出でき、詳細な構造評価を可能にする。さまざまなOCT所見の中でも、楕円体帯（EZ）の保全性は、視細胞内節／外節接合部を反映する指標として、視細胞の健全性を示すものと考えられているが、萎縮性進展の予測における定量的意義はなお十分に明らかではない。さらに、ドルーゼン体積、高反射小塊（HRF）、外顆粒層厚、ならびに高透過信号などの他のOCTバイオマーカーもリスク層別化に寄与しうる。本研究は、検証済みの予後バイオマーカーに対する未充足の需要に応えるため、定量解析および機械学習補助OCT解析を用いて、2年間にわたるiAMD進展を予測することを目的とした。
研究デザイン
本後ろ向きコホート研究では、ベースライン時点で萎縮または滲出の所見を認めない中間期AMDと診断された502眼を評価した。対象者は、ベースラインおよび2年後追跡時にスペクトラルドメインOCTを施行されていた。機械学習により強化された、検証済みの多層セグメンテーション・プラットフォームを用いて、EZ-RPE厚、EZ部分減弱および全体減弱、ドルーゼン体積、HRF数、外顆粒層からRPEまでの厚さ（outer nuclear layer to RPE, ONL-RPE）、ならびに総RPE喪失など、複数の網膜構造パラメータを自動定量した。認定読影者がセグメンテーションを確認・修正し、精度を担保した。
さらに、完全自動深層学習モデルにより、特定の指標として高透過領域（RPE障害を示唆）および「EZリスク領域（EZ at-risk）」［異常なEZ-RPE菲薄化があるが同時にRPE喪失を伴わない領域］が生成された。ベースラインOCT所見を用いて、OCT基準上の完全RPEおよび外網膜萎縮（complete RPE and outer retinal atrophy, cRORA）、ならびに病変面積≥0.05 mm2で定義される2年後の進行期萎縮型AMDへの進展を予測するため、ランダムフォレスト分類器を構築した。モデル性能は、5分割層別交差検証により頑健に評価された。
主な結果
解析対象502眼のうち、2年後に進行期萎縮型AMDへ進展した眼は、非進展眼と比較してベースラインで有意な差を示した。具体的には、進展例では以下の所見が認められた。
– EZ部分減弱および全体減弱の程度が大きく、視細胞の保全性低下を示していた。
– EZ-RPE厚およびONL-RPE厚が低下しており、重要な網膜層の菲薄化を反映していた。
– ドルーゼン体積が増大しており、病的負荷の増加と整合していた。
– HRF数が増加しており、移動したRPE細胞または炎症過程を示唆していた。
– 深層学習により算出された高透過領域が拡大し、EZリスク領域も拡大していた。
これらの各指標における統計学的有意性は一貫して高く、すべてのp値は0.05未満であった。
ベースラインOCT所見をすべて統合した予測ランダムフォレストモデルは、平均曲線下面積（area under the curve, AUC）0.85±0.02を達成し、高い判別能を示した。特徴量重要度解析では、EZ保全指標（減弱指標および厚さ）とHRF数が将来の萎縮性進展を規定する最も影響力の大きい因子として順位付けされた。特筆すべき点として、本モデルは単一変数による予測因子よりも優れた性能を示し、複数の定量バイオマーカーを組み合わせることの付加価値が確認された。
専門家コメント
Matarらの知見は、AMD進展の病態生理および予後予測において、楕円体帯の保全性と高反射小塊が果たす重要な役割を明らかにしている。ミトコンドリアに富む視細胞区画を反映する楕円体帯は、視細胞生存能の代用マーカーとして機能する。その減弱または消失は、視細胞機能障害および切迫する萎縮を直接反映する。活性化ミクログリアまたは逸脱したRPE細胞を表す可能性のあるHRFは、進行中の網膜ストレスおよびリモデリングをさらに示唆する。
多層セグメンテーションおよび自動バイオマーカー定量に機械学習を活用することで、内在するばらつきが抑えられ、再現性が向上した。これは臨床実践および研究の双方にとって重要である。さらに、複合予測モデルの構築は、個別化リスク評価への移行を示すものであり、観察間隔や治療試験への登録に関する臨床意思決定を支援する可能性がある。
一方で、後ろ向き解析に固有の限界、すなわち選択バイアスや、全身因子・人口統計学的因子に対する標準化された補正がない点は考慮すべきである。加えて、異なる集団における外部検証や、視力や患者報告アウトカムなどの機能評価を取り入れることにより、臨床応用性はさらに高まると考えられる。
結論
本研究は、定量的OCTバイオマーカー、特に楕円体帯の保全性と高反射小塊が、中間期から進行期萎縮型AMDへの2年後進展と強く関連していることを示した。高度な機械学習技術の活用により、臨床的に明らかな萎縮が出現する前段階で、精密なリスク層別化と高リスク眼の同定が可能となる。これらの知見は、より厳密な経過観察や予防的介入の適応となる患者を早期に特定できるという点で、臨床ケアに直接的な意義を有する。さらに、これらのバイオマーカーは、AMD進展を標的とした将来の臨床試験の設計および評価において有用なエンドポイントとなる。今後の研究では、前向き検証、全身リスク因子との統合、ならびに視細胞およびRPEの早期保護を標的とする治療戦略の探索が求められる。
資金提供と臨床試験
本研究では、外部資金提供元または臨床試験登録に関する記載はない。透明性確保のため、資金源および試験状況の詳細があれば望ましい。
参考文献
1. Matar K, Delaney A, Indurkar A, et al. Assessment of Ellipsoid Zone Integrity and Other Quantitative OCT Biomarkers for Intermediate AMD Progression to Atrophy. Ophthalmology. 2026 Aug 10. PMID: 42575302.
2. Ferris FL 3rd, Wilkinson CP, Bird A, et al. Clinical classification of age-related macular degeneration. Ophthalmology. 2013 Apr;120(4):844-51.
3. Sadda SR, Keane PA, Ouyang Y, et al. Machine Learning Approaches for the Quantitative Assessment of Retinal Structure Using Optical Coherence Tomography. Ophthalmology. 2020 Jan;127(1):134-150.
4. Fleckenstein M, Fritsche LG, Keilhauer CN, et al. The progression of age-related macular degeneration: Clinical and imaging characteristics. Prog Retin Eye Res. 2021 Mar;82:100896.
本稿は、新規画像バイオマーカーと機械学習を統合してAMDの早期疾患リスク予測を高度化するものであり、個別化眼科医療に向けた重要な前進を示している。