平野 陽豊

血管内皮機能の障害は動脈硬化の初期症状の一つであるため，その機能を簡便かつ定量的に評価する技術の開発が求められている。われわれはオシロメトリック法の原理を応用し，血管内皮機能を非侵襲的に評価可能な新技術ezFMD（enclosed zone Flow-Mediated Dilation）を開発した。本稿では，ezFMDの計測原理，計測プロトコール，ezFMDを用いた血管内皮機能評価例について紹介する。

【目的】ヒトの疼痛を客観的に定量評価することを目的として，著者らは末梢交感神経活動を反映する血管剛性と電気刺激時の主観的疼痛度の間に有意な関係があることを見出した．本報告では，血管剛性から筋交感神経信号の分散を非侵襲推定し，推定した分散から主観的疼痛度をより高精度で客観的に定量評価する方法を提案する.【方法】広島大学・医の倫理委員会承認のもと事前にインフォームド・コンセントが得られた健常成人男性22名（22.7±1.0歳）を対象に皮膚電気刺激実験を行った．刺激中の心電図，血圧，指尖容積脈波から求めた血管剛性を用いて筋交感神経信号の分散を推定した．その後，ウェーバー・フェヒナー則を用いて筋交感神経信号の分散と主観的疼痛度の関係をモデル化し，モデルによる推定値と実測値との相関解析を行った．比較のため，血管剛性と主観的疼痛度の間においても同様の解析を行なった.【結果】筋交感神経信号の分散から推定した主観的疼痛度と実測した主観的疼痛度の相関は，血管剛性の場合と比較して上昇した(提案法: r ＝ 0.60, p < 0.001, 血管剛性: r ＝ 0.47, p < 0.001).【結論】提案法は主観的疼痛度を従来法より高精度かつ客観的に定量評価可能であった.

【目的】著者らは血管内皮機能評価法として，虚血反応性充血後の血管拡張能をオシロメトリックの原理を用いて計測するenclosed zone flow-mediated dilation (ezFMD) 検査を提案している．しかし，血管拡張は血管内皮機能による血管壁弛緩だけでなく，血圧変動にも影響される．そこで本研究では，ezFMD検査における血圧変動に依存しない新しい血管内皮機能評価指標を提案する．【方法】広島大学・医の倫理委員会承認のもと，事前にインフォームド・コンセントが得られた健常群25名（27.6±13.6歳），動脈硬化ハイリスク群21名（56.0±15.3歳）を対象としezFMD検査を行った．カフ印加圧とカフ容積脈波から血圧変動を考慮したパラメータである血管粘弾性を推定し，血管粘性を血管剛性で除した補正粘性の駆血前後での変化率を血管内皮機能の評価指標としてROC解析を行った．【結果】各群での提案指標の平均は，健常群116.4±122.9%，動脈硬化ハイリスク群2.1±43.2%であり，2群間に有意差を確認した（p = 1.8 × 10-6）．また，AUC値は提案指標で0.85，従来法では0.62であった．【結論】提案した補正粘性変化率により，血圧変動に依存せず血管内皮機能を評価できることが明らかになった．

【目的】動脈硬化初期症状は血管内皮機能の障害である．虚血反応性充血後の血管拡張能について超音波装置を用いて計測する血流依存性血管拡張反応（FMD）検査が，血管内皮機能計測のディファクトスタンダードとして広く用いられている．しかし，FMDの計測は熟練を要することが課題である．そこで，本研究では耳朶皺襞と呼ばれる耳たぶに走る斜めのしわについて画像処理技術を応用して深さを検出し，検出した皺の深さから血管内皮機能を非侵襲で評価する方法を提案した．【方法】広島大学・医の倫理委員会承認のもと，事前にインフォームド・コンセントが得られた健常群25名（61.8±18.2歳），動脈硬化ハイリスク群25名（60.2±16.5歳），動脈硬化疾患群25名（63.0±12.8歳）を対象とし，耳朶の写真を撮影した．撮影された写真の輝度値を基に耳朶皺襞の深さを推定し，推定された深さに対して正規化したものを提案する血管内皮機能の指標と定義した．比較のために同被験者へFMD検査を行い，計測された血管内皮機能指標%FMDとの相関を求めた．【結果】提案指標と%FMDは有意に相関した（R=-0.27，p<0.05）【結論】提案法を用いて血管内皮機能を推定できることが明らかになった．

【目的】脳卒中患者が気分障害や認知機能低下を呈すると生活の質が著しく低下するが，それらの機序は解明されていない．本研究では脳卒中患者を対象とし，気分障害はDepression, Apathy, Anxietyに注目し，認知・身体機能等の各種検査から得られる指標との関連性について機械学習を用いて解析を行う．【方法】広島大学・医の倫理委員会承認のもと，事前にインフォームド・コンセントが得られた脳卒中患者207名（64.4±10.2歳）を対象とし，機能的自立度評価法，認知機能検査（注意機能，記銘力等），自覚ストレス検査を課した．また，Hospital Anxiety and Depression Scaleとやる気スコアから気分障害の有無を判定した．気分障害の有無を教師信号，機能評価検査の指標得点を入力として，確率ニューラルネットワークの一つであるLog-Linearized Gaussian Mixture Network (LLGMN)を用いてleave-one-subject-out交差検証を行い，気分障害の有無の識別精度を評価した．また，偏KL情報量を用いた入力次元削減により識別精度向上と識別に重要な指標の特定を試みた．【結果】Depressionは82.8%，Apathyは69.8%，Anxietyは86.2%の精度で気分障害の有無が識別できた．【結論】LLGMNを用いた機械学習により，Depression, Apathy, Anxietyという各種の気分障害に関連する重要な指標を特定できる可能性がある．