自律神経調節障害のスケーラブルな遠隔モニタリングのための堅牢な学習フレームワーク：脊髄損傷におけるユースケース
カテゴリ：災害・救急医療
公開日：2026年2月25日
タイトル：Robust learning framework for a scalable remote monitoring of autonomic dysreflexia: use-case in spinal cord injury
雑誌名：Sci Rep. 2026 Feb 24; doi: 10.1038/s41598-025-33797-8. Epub 2026 Feb 24.
概 要：
自律神経系（ANS）の反応は神経疾患における心血管健康の直接的な修正可能リスク要因ですが、遠隔モニタリングと客観的評価の困難さから、予防医療においては過小評価されています。特に、自律神経調節障害（AD）は脊髄損傷（SCI）を持つ人々にとって危険な高血圧緊急事態であり、臨床環境外での検出は反応的かつエピソード的です。本研究では、27人の被験者を対象に、複数の体部位からのバイタルサインの帰属分析を通じて、データ不足の中でデジタルバイオマーカーを作成するための解釈可能でスケーラブルなフレームワークを提示しました。このフレームワークは、心電図（ECG）、光学式脈波計（PPG）、生体インピーダンス、皮膚温度、心拍数、呼吸数などの多様な生体信号から学習し、センサーの故障に対する堅牢性を示し、遠隔モニタリングの道を開きます。
方 法：
本研究は、27人の被験者を対象にした臨床試験で、客観的な血圧測定とともに評価されました。フレームワークは、ECG、PPG、生体インピーダンス、皮膚温度、心拍数、呼吸数などの多様なバイオシグナルから学習し、シングルモダリティの故障やノイズのあるチャンネル下でも堅牢性を保つことを目指しました。
結 果：
心拍数とECGが主要な予測因子として特定され、PPGは補完的な価値を提供しました。シミュレーションされた単一モダリティの故障やノイズのあるチャンネルにおいても、フレームワークは堅牢性を示しました。この研究は、ANS反応の公平な遠隔モニタリングへの実現可能な道を進め、高血圧測定への依存を減少させ、早期介入を可能にします。
結 論：
この研究は、自律神経調節障害の遠隔モニタリングにおけるデジタルバイオマーカーの開発において、センサーの故障に対する堅牢性を持つ解釈可能なフレームワークを提供し、早期介入の実現に寄与する可能性を示しました。