【ポイント】
- 頚髄症は、早期に発見し適切な介入を行うことが予後改善とために重要であり、簡便で正確な検査方法の開発が望まれていた。
- スマートフォンカメラで、手指の動きを撮影、解析することで、非常に良好な精度で頚髄症患者を判別できた。
- 日常生活空間など、専門医のいない環境でも利用可能なシステム構築を目指し、疾患の早期発見を行うことが出来る機会の創出につなげる。
【研究の背景】 頚髄症はしびれや疼痛、巧緻性、歩行の障害などを引き起こす進行性の疾患であり、疾患の悪化とともに日常生活に大きな支障をきたします。頚髄症は専門医の診察とMRI検査により診断されますが、疾患初期には自覚症状が乏しいことや診察に専門的な知識を要することから、専門医に受診するまでに時間が経過し、病気が悪化してしまうことが多く、さらに重症化した頚髄症に対して手術を行っても予後が良くないという課題があります。そこで、適切な時期に適切な介入を施すために、頚髄症の早期発見を目的とした簡便で精度の高いスクリーニング手法を確立し、重篤化する前に病気をスクリーニングすることが望まれています。
【研究成果の概要】本研究では、頚髄症患者に特徴的な 指の動きである“ミエロパチーハンド※2”に着目し、手指の開閉を10秒間に可能な限り早く繰り返す検査である10秒テストを解析しました。従来、10秒テストでは、10秒間に開閉できた回数のみに着目しており、テスト中の指の細かな動きはテスト結果に反映されていませんでした。しかし指の細かな動きにこそ疾患特有の動きが含まれており、これを解析することで、より精度良く頚髄症の有無を判別できると考えました。さらに本研究では、専門的な機器や経験値に拠らず、簡便にスクリーニングを達成するために、一般的なスマートフォンで撮影可能な動画からデータの取得を行うことを考えました（図1）。具体的には、前述の10秒テストをスマートフォンで録画し、録画した動画からMediaPipe Hands※3を用いて、手指の関節の位置を推定することで、10秒テスト中の特徴的な指の動きを取得することにしました（図2）。疾患の有無の判別には、精度の一層の向上のために機械学習※4の手法を採用しました。さらに質問票を用いて疾患の重症度に関する情報を収集し、この質問票の点数の予測も行いました。
上記手法を用いて疾患の有無を判別した結果、頚髄症患者22名、頚髄症がない被験者17名を対象とし、感度90.9％、特異度88.2％、AUC※50.93という非常に良好な結果を得ました。さらに、疾患の重症度の予測に関しても相関係数0.67-0.79という良好な結果を得ました。過去に同グループが特殊な機器を用いて行った報告※6の判別精度（感度84％、特異度60.7％、AUC0.85）よりも、簡便な機器でさらに高い精度で判別することが可能となりました。
図1. 計測方法
スマートフォンの上に手をかざし、腕を伸ばしたまま、10秒間可能な限り早く手指を開閉（グーパー）する動作を繰り返します。
図2. 手指の動きの検知
MediaPipe Handsを用いることで、図のように手指の21点の位置を推定します。この情報を基に手指の運動情報を取得します。
【研究成果の意義】本研究では正確で簡便な頚髄症のスクリーニング手法の確立を目指して行いました。10秒テストは特殊な知識を必要とせず、スマートフォン動画は特殊なデバイスを必要としません。さらにMediaPipe Handsと機械学習は、システムを構築すればクラウド上で情報処理を行うことも可能であり、スマートフォン1台でスクリーニングを完結することも可能です。また、研究結果である疾患の有無の判別精度も非常に良好であり、重症度の推定も今後精度を高めていくことで十分実利用可能になると考えています。
今後、本システムが社会実装されれば、専門医に拠ることなく、地域の非専門医のみならず患者自身が日常生活空間で頚髄症のスクリーニングを行うことが可能になると考えます。誰にでも手の届くツールが出来あがることで、当初の目的である頚髄症の重症化前のスクリーニングを達成でき、必要な時期に必要な医療を提供する機会の創出につながります。さらに症状悪化後の治療を減らすことによる医療費の削減にも寄与出来ます。また、本手法は手の運動に特徴的な変化をもたらす他の疾患にも応用できる可能性があり、頚髄症に限らない簡便で正確なツールとして幅広い医療への貢献が見込まれます。
※1頚髄症：頚椎（首の骨）の中で脊髄が圧迫されて起こる疾患である。正式には、発生の仕方により、頚椎症性脊髄症や頚椎後縦靭帯骨化症といった病名で診断される。
※2ミエロパチーハンド：頚髄症患者に診られる手指の高値運動障害の特徴的な症状であり、３～５指の内転が障害され，さらに進行すると伸展も障害され、手指の素早い把握動作とその解除（いわゆるグー・パー）が行えなくなる状態を指す。
※3 MediaPipe Hands：AIを用いて、任意の画像中から手指の21部位の位置を推定する技術である。
※4機械学習：与えられた課題に対し、コンピューターが学習し、自動的に結果を計算する仕組みである。
※5 AUC：Area Under the Curveの略。検査方法の評価項目の1つで、0から1の値をとり、1に近いほど、精度の良いことを示す。
※6 Koyama T, Fujita K, Watanabe M, Kato K, Sasaki T, Yoshii T, Nimura A, Sugiura Y, Saito H, Okawa A. Cervical Myelopathy Screening with Machine Learning Algorithm Focusing on Finger Motion Using Noncontact Sensor. Spine (Phila Pa 1976). 2022 Jan 15;47(2):163-171. doi: 10.1097/BRS.0000000000004243. PMID: 34593737.
【論文情報】
掲載誌：Digital Health
論文タイトル：Screening for degenerative cervical myelopathy with the 10-s grip-and-release test using a smartphone and machine learning: A pilot study
コメント