このページは自動翻訳されています。相違がある場合は、英語版が優先されます。.

改訂日:2026年7月16日

心疾患管理の未来

著:ピーター・メグダル博士

この記事の使い方

医療上の免責事項: この記事は教育目的のものであり、医学的な助言ではありません。個別の指導については、必ずかかりつけの医師にご相談ください。.

臨床上のポイント

  • 心筋梗塞の多くは、破裂する前に標準的な負荷試験では検出できない非閉塞性の冠動脈プラークに起因する。.
  • 冠動脈カルシウムスコアがゼロであっても、危険で破裂しやすい非石灰化プラークが存在しないとは限らない。.
  • AIを活用した定量的CT検査は、プラークの負荷量や組成を非侵襲的に測定することで、管腔狭窄のみに基づく評価よりも、心血管リスクをより正確に予測することができる。.

読みやすい

あなたは美しい家を見ています。芝生は完璧な緑色をしています。窓はきれいに磨かれて輝いています。通りから見ると、その家はまるで新築のようです。しかし、壁の裏側には「機械の中の幽霊」が潜んでいます。水道管は古く錆びています。電線はほつれて火花を散らしています。外観を見ただけでは、これらの問題は見えません。ある日、パイプが破裂するか、火災が発生します。誰もがショックを受けます。彼らは言います。「でも、あんなにきれいな家だったのに!」“

これは、多くの人とその心にまさに起こることです。多くの人が医者に行き、「健康太鼓判」をもらいます。彼らは体調が良いと感じます。基本的な検査もパスします。医師からはすべて「良好」だと言われます。そして、突然、彼らは 心臓発作. これは、古いテストが家を道路から眺めているようなものだからです。壁の内部にある「錆びた配管」を見逃してしまうのです。.

今日、私たちは巨大な変化の幕開けに立っています。それは「パラダイムシフト」です。これは、私たちのやり方を根本から変えているということです。心の中に「火」が燃え上がるのを待つのではなく、人工知能(AI)を使って、トラブルを引き起こす何年も前に危険を発見するのです。私たちは、痛みに反応する世界から、真実を明確に見通せる世界へと移行しつつあるのです。.

「隠れた」危険:大部分の心臓発作は完全な閉塞から起こるわけではない

私たちのほとんどは、心臓発作を詰まった流しのシンクのようなものだと考えています。血液が通れなくなるまで、パイプが「ゴミ」でいっぱいになると考えるのです。医学界では、この狭窄は「“狭窄.。」かつて医師たちは、管が90%ほど詰まっている場合はリスクが高いと考え、20%程度しか詰まっていない場合は安全だと考えていました。.

しかし、ここにある恐ろしい秘密があります:ほとんど的心臓発作は、大部分が詰まっている血管でおこるわけではありません。それらは、ほとんど開いているように見える血管でおこるのです。.

パイプの壁の内側にある「水ぶくれ」のようなものを想像してください。外側から見ると、パイプは問題ないように見えます。血液もその中をスムーズに流れています。しかし、壁の内側では、その水ぶくれの中に柔らかい脂肪質の「脂」がたまっています。この脂は非常に不安定です。もしその水ぶくれが破裂すると、突然血栓が形成されます。その血栓こそが血流を止め、心臓発作を引き起こす原因なのです。水ぶくれが破裂する前はパイプが「詰まって」いなかったため、通常の検査ではその人はまったく健康であると判定されてしまうのです。.

数字は、誰もが知るべき物語を語っている:

“「剖検および血管造影の研究によると、心筋梗塞の約70~75%は、発症前の段階で狭窄度が50%未満の血管で発生していることが示されている。」”

これは、心臓発作を起こした10人のうち7人または8人が、大きな詰まりだけを調べる検査では異常なしと判定されたであろうことを意味しています。心臓の血管は、発作の直前まで半分以上開いていたのです。これが、標準的な検査で「問題なし」と判定されても十分ではない理由です。.

標準テストが「盲点」となり得る理由“

長きにわたり、医師たちは「“ストレステスト.。」 あなたもこうした検査を受けたことがあるかもしれません。トレッドミルで歩きながら、機械が心拍数を監視するものです。もし心臓への血管が90%ほど詰まっていると、走っているときに心臓に十分な血液が届かなくなり、検査結果にもそれが現れます。 しかし、血管の30%しか塞いでいない「脂っぽい水ぶくれ」のようなものがある場合、走っている間も血液は問題なく流れます。たとえ、いつ破裂してもおかしくない隠れた危険を抱えていても、負荷試験の結果は「正常」と判定されてしまうのです。.

もう一つの一般的なテストは カルシウムスコア. この検査は心臓の血管にある硬いカルシウムを調べます。カルシウムは「傷跡」のようなものです。過去に受けたダメージが、現在では骨のように硬くなっていることを示しています。カルシウムスコアを知ることは役立ちますが、それは10年前の膝の傷跡を見るようなものです。過去に負傷したことは分かりますが、現在、出血している新しい傷があるかどうかまでは分かりません。.

心臓の中では、「脂肪」(非石灰化プラーク)が新たな脅威です。カルシウムスコアがゼロであっても、心臓が危険な軟性プラークで満たされている場合があります。以下は、新しいAIによる方法と従来の方法の比較です:

心臓の特徴 従来の検査(カルシウムスコアリングなど) 新しいAIの道(AI-QCT)
硬い(石灰化した)傷跡 とても見やすい とても見やすい
柔らかい「脂っこい」水疱 まったく見えません 非常に見やすくて分かりやすい
ハイリスクグリース この危険に気づかずに とても簡単に見つける
合計金額 プラーク おおよその推測にすぎない 精密測定 (mm³)
リスク予測 大体の推測 高精度かつ個人的

AI-QCT: あなたの心臓の新しい「スーパービジョン」“

これを修正するために、科学者たちは AI-QCT. それは大げさな名前ですが、「デジタル虫眼鏡」と考えてください。“

人間の医師が心臓のスキャン画像を見る際、彼らは自分の目で写真を見ています。最高の医師であっても、非常に小さな見落としをすることがあります。AI-QCTは人工知能を用いて画像をより詳細に分析します。AIは全体像を見るだけでなく、「“ボクセル.ボクセルとは、3Dのピクセルのようなものです。極小の立方体を想像してください。AIは、あなたの心臓の血管にあるその極小の立方体を一つ残らず調べていきます。.

AIは「ディープラーニング(深層学習)」を使用しています。これは、コンピューターが何千もの他の心臓スキャン画像を見てきたことを意味します。人間の目には到底認識できないパターンを見つけ出すことを学習しているのです。スキャンデータ内の影や色を見ることで、「安全な」硬いカルシウムと「危険な」柔らかいプラーク(脂肪沈着)を見分けることができます。これは非侵襲的であり、これを見るために体内にチューブやワイヤーを入れる必要がないことを意味します。AIは通常のCTスキャンのデータを使用して「見る」作業を行います。.

データをロードマップに変える:測定が持つ力

AIの最大の力は、物事を「数値化」できる点にあります。これは、私たちに実数値を与えてくれるということです。「プラークが少し溜まっていますね」と医師が言う代わりに、AIは「プラークが正確に154立方ミリメートル(mm³)あります」と告げることができるのです。“

なぜこれが重要なのか?測定できないものは改善できないからだ。.

医師が心臓にある「脂肪(プラーク)」の量を正確に把握できれば、より良い治療計画を立てることができます。これは大規模な医学研究で証明されています:

  • その CONFIRM2レジストリ: この研究では何千人もの人々が調査されました。AIがプラークを測定すると、医師が将来を予測する能力が大幅に向上することが示されました。心疾患を予測する能力(AUCと呼ばれる)は、0.62から大幅に高い0.75へと上昇しました。.
  • PROMISE試験: この研究では、AIが画像診断データを分析し、その結果を変更しました。狭窄(ステノーシス)の症例のうち41%件について、AIはそれらを「再分類」しました。これは、10人中4人について、従来の診断方法が誤りであったことをAIが指摘したことを意味します。.
  • その CREDENCE試験: これは、AIが、医師が心臓にチューブを入れる高額で侵襲的な検査と同等に優れていることを示しました。.
  • その CERTAIN研究: この研究では、AIの活用により医師の治療方針に対する「確信度」が大幅に高まり、適切な処方の提供や不要な検査の回避に役立つことが明らかになった。.

これは「ターゲット・トゥ・トリート(目標値達成に向けた治療)」と呼ばれるものにつながります。それはまるで、心臓のGPSのようなものです。もし154 mm³のプラークがある場合、食事、運動、薬物療法の計画を始めます。1年後、再びスキャンを受けます。AIが現在110 mm³に減少したと告げれば、計画がうまくいっていることがわかります!「脂肪」が縮小していくのを実際に確認できるのです。これにより、患者は大きな安心感と希望を得ることができます。.

次なるステージ:フォトンカウンティングCT

テクノロジーは、「フォトンカウンティングCT(PCCT)」と呼ばれるものによって、また新たな大きな飛躍を遂げようとしています。これまでのCTスキャナーは、古い箱型テレビのようなものでした。画像は少しぼやけていました。大きな問題の一つが「カルシウムブルーミング」です。これは懐中電灯からのまばゆい「グレア(ぎらつき)」のようなものです。硬いカルシウムがあると、画像の中で非常に明るく光るため、そのすぐ隣にある柔らかい脂肪が隠れてしまうのです。.

新しい光子計数(フォトンカウンティング)装置は、光を直接電気に変えます。これにより、画像がはるかにはっきりします。それは古いテレビから真新しい高精細画面に移行するようなものです。.

この新しいハードウェアは多くの問題を解決します。

  1. もう眩しくない: それは「カルシウムの華(ブルーミング)」を阻止します。AIは硬い「傷跡」の向こうを見通し、隠れた油分を見つけ出せるようになりました。.
  2. より鮮明な画像: 画像から「ノイズ」やぼけた部分を取り除きます。.
  3. より多くの人にとってより良いもの: 昔、もし誰かが非常に速い 心拍数 または重かったため、写真はぼやけすぎて使い物になりませんでした。これらの新しい機械は、ほとんどすべてのものを鮮明に見ることができます。.

結論:心筋梗塞が任意となる未来

私たちは新しい時代へ移行しています。これまでの心臓ケアは「発作的」でした。つまり、心臓の状態を確認するのは、たまに、あるいは胸に痛みを感じたときだけでした。それはまるで、すでに道に迷ってからGPSを確認するようなものです。.

私たちは現在、「縦断的(ロンジチュディナル)」モニタリングに移行しつつあります。これは、運転中に地図を見るように、時間をかけて病気を追跡することを意味します。配管が破裂する何年も前に、錆の最初の兆候を確認することができるのです。私たちは世界的規模の大きな課題に直面しています:

“心血管疾患は依然として世界中の主な死亡原因であり、2030年までに年間死亡者数が2,000万人を超えると予測されているため、臨床イベントが発生する前に高リスクの冠動脈アテローム硬化を特定するためのより優れた方法がますます必要とされている。”

AIと新しいスキャナーにより、それらの死亡の多くを防ぐことができる。私たちはもはや、誰かが健康であるかどうかを推測する必要はない。私たちは真実を見ることができる。薬が効いているかどうかを見ることができる。未来を見ることができるのだ。.

もし今日、自分の心の未来を見ることができるなら、あなたは明日の生き方を変えますか?AIによって、私たちはついにその未来を見据え、そしてより良い方向へと変えていく力を手に入れたのです。.

医学的免責事項: この記事は教育目的のものであり、医療上の助言ではありません。個別のガイダンスについては、必ずかかりつけの医師にご相談ください。「Curing Heart Disease, LLC」は登録商号であり、いかなる疾病の診断、治療、治癒、予防を暗示するものではありません。情報は教育目的のみのものであり、医療上の助言ではありません。この情報の使用はご自身の責任で行ってください。病状に関するご質問は、必ず医師にご相談ください。.

ディープダイブ

予防 cardiology における技術的ルネサンス – 人工知能、定量冠動脈コンピュータ断層撮影

はじめに

心血管医学は、主に受動的で症状対症療法的なモデルから、早期発見と個別化されたリスク評価に基づく予防的枠組みへと、実質的なパラダイムシフトを遂げている。この移行の中心にあるのは、人工知能(AI)と冠動脈の統合である コンピュータ断層撮影 血管造影(CCTA)、特にその開発を通じて 動脈硬化 イメージング定量化CT(AI-QCT)。このアプローチは、従来の診断ツールでは非閉塞性の脂質リッチな冠動脈を確実検出できないという、心臓病学における長年の限界に対処するものである。 歯垢, 、それにもかかわらず 病変 の大半を占めている責任がある 急性冠症候群 そして 心臓突然死 イベント (1).

この限界の臨床的意義は大きい。疫学および病理学的研究は、一貫して大部分が 心筋梗塞 破裂前には血流制限を引き起こしていなかったプラークに由来する(2)。そのため 心血管疾患 世界的な主要な死亡原因であり続けており、年間死亡者数は2030年までに2,000万人を超えると予測されているため、臨床イベントが発生する前に高リスクの冠動脈アテローム硬化を特定するための改良された方法がますます必要とされている(3)。.

 

心血管リスク層別化の進化と動脈硬化の生物学

従来の心血管リスク層別化は、血清脂質レベルなどの間接的なマーカーに依存している、, 血圧, 血糖コントロール, 喫煙 集団ベースの調査に組み込まれたステータスおよび人口統計学的変数 リスク計算ツール. これらのモデルは集団レベルでは有用であることが証明されているが、個々の患者、特に一見して「正常な」患者に適用する場合には、しばしば精度を欠く。“ 危険因子 それにもかかわらず、顕著な潜在性疾患を隠し持っているプロファイル(4)。.

動脈硬化は、内腔の閉塞によってのみ定義される障害ではなく、動脈壁の慢性炎症性疾患である。プラークは血管内に発達する 内膜 また、脂質、線維組織、炎症細胞、カルシウムがさまざまな割合で含まれています。運動負荷試験、心電図検査、侵襲的な冠動脈造影検査などの従来の診断検査は、主に疾患がすでに症状を引き起こしてからそれを検出するものです。 血行動態的に有意な狭窄, 、通常、管腔の狭窄が70%以上であるものと定義される(5)。.

インサイト 1: 剖検および血管造影研究によると、心筋梗塞の約70~75%は、50%未満の血管で発生していることが示されている。 狭窄 指標となる事象が発生する前であり、これは、急性冠症候群を発症した患者のほとんどが、標準的な負荷試験のみでは高リスクと判定されなかったであろうことを示唆している (2)。.

インサイト 2: 冠状動脈 動脈 カルシウムスコア(CACS)は、以下を特定することで、無症候性疾患の検出精度を高めるために開発されました。 石灰化プラーク. 。しかし、CACSはこれを検出しません 非石灰化プラーク, 、および カルシウムスコア ゼロであるからといって、脂質が豊富で破裂しやすい病変が存在しないとは限らない(6)。.

インサイト 3: AI-QCTにより、冠動脈全体の非侵襲的な定量化が可能となる プラーク負荷, 、含む 低密度の非石灰化プラーク, これは、狭窄の重症度のみの場合よりも、将来の心血管イベントとの関連性が高いことが示されている(7)。.

プラークの特性 可視性(CACS) 可視性(標準CCTA) 可視性(AI-QCT) 臨床リスクプロファイル
石灰化したプラーク 高 高 高 概ね安定している;慢性疾患の指標
非石灰化プラーク なし 定性的/限定的 定量的/高 破裂リスクの上昇
低密度プラーク なし 変数 高 ACSとの強い関連性
合計 プラーク体積 なし 間接的な推定 正確な値(mm³) 将来の出来事を予測する強力な指標

AIを活用した冠動脈解析の技術的アーキテクチャ

AI-QCTプラットフォームは、視覚的な解釈のみに依存するのではなく、冠動脈樹のボクセルレベルの解析を行います。 これらのシステムは、画像特徴と侵襲的検証および長期的な臨床転帰を関連付けた、大規模かつ精選されたデータセットを用いて学習された、畳み込みニューラルネットワーク(CNN)、3次元U-Netセグメンテーションモデル、VGG派生分類器などのディープラーニングアーキテクチャを採用している(8)。.

インサイト 4: AI-QCTは、高解像度CCTAの撮影から始まります。64スライスおよび640スライススキャナーを含む最新のマルチディテクターCTシステムは、時間的および 空間解像度 動きによるアーチファクトを最小限に抑え、冠動脈解剖構造の正確なセグメンテーションを可能にするために必要である(5)。.

インサイト 5: 自動化されたアルゴリズムが冠動脈を特定する ルーメン また、血管壁を観察し、プラークの構成成分をハウンズフィールド単位による減衰値に基づいて分類することで、脂質豊富な組織、線維性組織、および石灰化組織を区別することができる(9)。.

インサイト 6: AIによって導き出された 虚血 これらの指標は、プラークの形態、病変の長さ、血管のリモデリング、および管腔の形状を統合して血流制限を推定するものであり、侵襲的検査の非侵襲的な相関指標を提供する。 虚血性心筋血流予備量比 (FFR) (10)。.

臨床的検証と査読済みエビデンス

AI-QCTは、主要な循環器および画像診断分野の学術誌に掲載された複数の前向き試験、レジストリ、および比較研究において評価されており、その中には以下が含まれる。 『アメリカ心臓病学会誌』, 『Circulation: Cardiovascular Imaging』, 、および 『European Heart Journal – Cardiovascular Imaging』 (11).

画期的な臨床試験およびレジストリ

インサイト 7: その CREDENCE試験 AIを活用したCCTA解析と侵襲的検査との間に、高い一致が見られた 冠動脈定量解析法 また、FFRも、血行動態的に有意な病変を特定するAI-QCTの診断精度を裏付けている(12)。.

インサイト 8: その CONFIRM2レジストリ, 複数の国にわたる数万人の患者を対象としたこの研究では、AIによって定量化されたプラークの特徴により、非閉塞性疾患を有する患者の間で、心血管リスクの幅広いグラデーションを特定できることが示された。 冠動脈疾患 (7).

インサイト 9: その ある研究 AI-QCTは、標準的な読影と比較して診断の確実性を著しく向上させ、その結果、より適切な治療につながり、その後の不必要な検査が減少したことが実証された (1)。.

勉強 N 主な発見 P値 臨床的意義
CONFIRM2 6,550 MACEのAUCは0.62から0.75へと改善した <0.001 予後予測精度の向上
CREDENCE 513 侵襲的FFRとの高い一致率 <0.01 実用的な非侵襲的虚血評価法
PACIFIC-1 208 AIは専門家の読解力を上回った <0.05 観察者間のばらつきの低減
PROMISE(サブセット) 4,347 41%の狭窄の再分類 — 誤検知の低減

予防循環器医学の実践と疾患の経時的モニタリング

AI-QCTを予防心臓病学のワークフローに組み込むことで、臨床上の焦点は、その都度行われる評価から、アテローム性動脈硬化症の経時的モニタリングへと移行する。.

インサイト 10: 総プラーク負荷量の定量化により、経時的な疾患の進行や退行を客観的に評価することが可能となり、連続的な画像診断に基づく「ターゲット指向治療」のアプローチが促進される(7)。.

インサイト 11: AIを活用した比較ツールにより、プラークの組成の変化、すなわちその安定化や退縮などを評価することが可能となる。 脂質富化プラーク 薬物療法に対する反応として(13)。.

ハードウェアの進歩:光子計数式コンピュータ断層撮影

AI-QCTの性能は、入力画像データの品質に依存しており、CTハードウェアの進歩に伴い、その品質は向上し続けている。.

インサイト 12: 光子計数CT(PCCT) これらのシステムは、X線光子を直接電気信号に変換することで、電子ノイズを低減し、 カルシウムブルーミングによるアーティファクト 従来のエネルギー統合型検出器と比較して(14)。.

インサイト 13: PCCTは、より低い放射線量およびコントラスト剤投与量でより高い空間分解能を実現し、冠動脈CT検査の対象範囲を、高リスクの患者にまで拡大しています。 心拍数, 上昇した ボディ質量指数, 、あるいは広範囲な冠動脈 石灰化 (15).

経済および医療制度への影響

AIを活用した心臓画像診断の導入は、価値重視の医療や予防を志向する、より広範な医療の潮流と合致している。.

インサイト 14: 市場分析によると、診断効率の向上や急性冠動脈イベントに伴う下流コストの削減が見込まれることから、循環器分野におけるAIアプリケーションは急速な成長を遂げると予測されている(16)。.

インサイト 15: 高リスクの早期発見 プラークの表現型 より早期かつ的確な介入を可能にすることで、心筋梗塞の発生率およびそれに伴う医療費を削減できる可能性がある(17)。.

結論と今後の方向性

予防心臓学は、狭窄の重症度のみではなく、プラークの蓄積量や組成を重視する、生物学的な知見に基づいたモデルへとますます移行しつつある。AI-QCTは、臨床的事象が発生する前に冠動脈アテローム性動脈硬化を評価するための、再現性のある定量的な枠組みを提供する。.

インサイト 16: 今後の展開としては、エージェント型AIシステムの統合、経時的なデジタル心臓モデル、およびゲノム情報や代謝情報を組み込んだマルチモーダルデータストリームの導入などが想定される(18)。.

インサイト 17: AIが画像の解釈や定量化においてより大きな役割を担うようになるにつれ、臨床医は、より高次元の臨床的意思決定、リスクコミュニケーション、および個別化された治療の最適化に、ますます注力するようになる可能性がある(19)。.

参考文献

  1. Nurmohamed NS, Cole JH, Budoff MJ, et al. Impact of atherosclerosis imaging-quantitative computed tomography on diagnostic certainty, downstream testing, coronary revascularization, and medical therapy: the CERTAIN study. Eur Heart J Cardiovasc Imaging. 2024;25(6):857-866. doi:10.1093/ehjci/jeae029
  2. Falk E, Shah PK, Fuster V. Coronary plaque disruption. Circulation. 1995;92(3):657-671. doi:10.1161/01.cir.92.3.657
  3. Global Burden of Cardiovascular Diseases and Risks 2023 Collaborators. Global, Regional, and National Burden of Cardiovascular Diseases and Risk Factors in 204 Countries and Territories, 1990-2023. J Am Coll Cardiol. 2025;86(22):2167-2243. doi:10.1016/j.jacc.2025.08.015
  4. Lloyd-Jones DM. Cardiovascular risk prediction: basic concepts, current status, and future directions. Circulation. 2010;121(15):1768-1777. doi:10.1161/CIRCULATIONAHA.109.849166
  5. Douglas PS, Hoffmann U, Patel MR, et al. Outcomes of anatomical versus functional testing for coronary artery disease. N Engl J Med. 2015;372(14):1291-1300. doi:10.1056/NEJMoa1415516
  6. Greenland P, Blaha MJ, Budoff MJ, Erbel R, Watson KE. Coronary Calcium Score and Cardiovascular Risk. J Am Coll Cardiol. 2018;72(4):434-447. doi:10.1016/j.jacc.2018.05.027
  7. Feuchtner GM, Lacaita PG, Bax JJ, et al. AI-Quantitative CT Coronary Plaque Features Associate With a Higher Relative Risk in Women: CONFIRM2 Registry. Circ Cardiovasc Imaging. 2025;18(6):e018235. doi:10.1161/CIRCIMAGING.125.018235
  8. Oikonomou EK, Khera R. Machine learning in precision diabetes care and cardiovascular risk prediction. Cardiovasc Diabetol. 2023;22(1):259. Published 2023 Sep 25. doi:10.1186/s12933-023-01985-3
  9. Koo BK, Yang S, Jung JW, et al. Artificial Intelligence-Enabled Quantitative Coronary Plaque and Hemodynamic Analysis for Predicting Acute Coronary Syndrome. JACC Cardiovasc Imaging. 2024;17(9):1062-1076. doi:10.1016/j.jcmg.2024.03.015
  10. Nørgaard BL, Leipsic J, Gaur S, et al. Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease: the NXT trial (Analysis of Coronary Blood Flow Using CT Angiography: Next Steps). J Am Coll Cardiol. 2014;63(12):1145-1155. doi:10.1016/j.jacc.2013.11.043
  11. Beerkens FJ, Tang GHL, Kini AS, et al. Transcatheter Aortic Valve Replacement Beyond Severe Aortic Stenosis: JACC State-of-the-Art Review. J Am Coll Cardiol. 2025;85(9):944-964. doi:10.1016/j.jacc.2024.11.051
  12. Griffin WF, Choi AD, Riess JS, et al. AI Evaluation of Stenosis on Coronary CTA, Comparison With Quantitative Coronary Angiography and Fractional Flow Reserve: A CREDENCE Trial Substudy. JACC Cardiovasc Imaging. 2023;16(2):193-205. doi:10.1016/j.jcmg.2021.10.020
  13. Zaman S, Wasfy JH, Kapil V, et al. The Lancet Commission on rethinking coronary artery disease: moving from ischaemia to atheroma. Lancet. 2025;405(10486):1264-1312. doi:10.1016/S0140-6736(25)00055-8
  14. Willemink MJ, Persson M, Pourmorteza A, Pelc NJ, Fleischmann D. Photon-counting CT: Technical Principles and Clinical Prospects. Radiology. 2018;289(2):293-312. doi:10.1148/radiol.2018172656
  15. Schiebler ML, Jinzaki M, Yanagawa M, et al. Future Applications of Cardiothoracic CT. Radiology. 2025;315(3):e240085. doi:10.1148/radiol.240085
  16. Windecker S, Gilard M, Achenbach S, et al. Device innovation in cardiovascular medicine: a report from the European Society of Cardiology Cardiovascular Round Table. Eur Heart J. 2024;45(13):1104-1115. doi:10.1093/eurheartj/ehae069
  17. Undas A, Musiał J, Ząbczyk M. Antiphospholipid antibodies and atherosclerotic vascular disease: recent advances. Rheumatol Int. 2025;45(12):279. Published 2025 Nov 29. doi:10.1007/s00296-025-06050-8
  18. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. doi:10.1038/s41591-018-0300-7
  19. Shetty NS, Gaonkar M, Pampana A, et al. Association of Pathogenic/Likely Pathogenic Inherited Cardiomyopathy Variants With Heart Failure: A TOPMed Multiancestry Analysis. Mayo Clin Proc. 2025;100(11):1948-1955. doi:10.1016/j.mayocp.2025.01.021

透明性に関する注記: この記事はAIツールの支援を受けて作成されました。最終的な内容は著者が慎重に確認・編集しており、その正確性については著者が責任を負います。当サイトは以下の 諮問委員会 研究者たちによるものです。すべてのコンテンツは教育目的のみを意図したものであり、医学的アドバイスを構成するものではありません。.

新しい記事の更新情報を受け取る!

AIアプリ

心臓病リスク計算ツール

Hスコアのインサイト、視覚的な家系図入力、共有可能なPDFレポートを備えた、教育用の家族歴心臓病リスク計算ツール。.

このアプリが非常に重要である理由をここでご覧ください。.