MOCKUP · SPReAD 1000 企画(外観イメージ) #15 · AI for Science/医療テーマ
#15

網膜は「全身の窓」——眼底画像のオクロミクスで全身疾患リスクをAIで解明する

👁 visus.research / oculomics
Visus — 網膜から全身を読む
研究プロトタイプ ・ 眼底画像と健診・転帰データを解析(ダミーデータ)
解析眼底 12万枚
解析した眼底画像
12万枚
網膜年齢ギャップ
+4.2
▲ 死亡・疾患と相関
心血管リスク予測
AUC.83
慢性腎臓病(CKD)検出
AUC.81
眼底1枚から、網膜の特徴と全身のリスクを推定
眼底(網膜)の血管・視神経乳頭・神経線維をAIが定量化し、複数臓器のリスクを横断推定。実画像ではなくダミー描画。
A/V比 0.62 C/D 0.42 眼底画像(網膜)+ AIによる特徴抽出 この網膜から推定した全身リスク 心血管疾患 慢性腎臓病 認知症リスク 糖尿病細小血管症 網膜年齢ギャップ +4.2歳 ※ 眼底1枚から複数臓器のリスクを横断推定
網膜の特徴(AIが抽出) リスク高 眼底1枚 → 複数臓器を横断推定
全身リスクに効く網膜特徴 上位(寄与度)
1網膜細動脈の狭細化(A/V比の低下)26%
2網膜血管の蛇行・分岐の異常22%
3網膜神経線維層(RNFL)の菲薄化19%
4血管網のフラクタル次元の低下18%
5視神経乳頭まわりの微小循環の低下15%
↑ 研究コード名「Visus」。眼底画像から網膜の微小血管・神経を定量化し、
1枚の網膜から全身(心血管・腎・神経)のリスクをAIで横断推定した完成イメージ。
網膜は体内で唯一、血管と神経を直接見られる組織。眼底画像1枚から心血管・腎・神経・代謝のリスクと「網膜年齢」をAIで横断推定し、どの網膜特徴がどの臓器に効くかを可視化する——完成したらこう見える、の外観イメージ。
上限 500万円(直接経費) 学生応募可(医学生=当事者) e-Rad 応募 第2回・2026年6月上旬予定 分野:眼科 × 全身 × 画像深層学習
🔬 問い・学術的背景

網膜は体内で唯一、血管と神経を非侵襲で直接観察できる組織。近年「オクロミクス」として、眼底画像から心血管・慢性腎臓病・神経変性・代謝疾患のリスクや「網膜年齢」を推定できる証拠が蓄積している。一方、海外の大規模バイオバンク中心で、日本人コホートでの一般化や「どの網膜特徴がどの臓器リスクを駆動するか」の解釈は乏しい。みんこく非依存・眼科/健診で眼底を見る医学生=当事者性が効く独立テーマ。

🎯 仮説・新規性

眼底画像に医用画像深層学習+特徴帰属を適用すれば、(1)網膜の微小血管(口径・蛇行・分岐)と神経線維層を定量化でき、(2)1枚の眼底から心血管・腎・神経・代謝の横断リスクと「網膜年齢ギャップ」を推定でき、(3)どの網膜特徴がどの臓器リスクに効くかを可視化できる、と仮説。予測の再現でなく、日本人コホート+臓器横断+解釈可能性が新規。

🤖 AI活用の必然性

網膜の予兆は人の目に見えない微小血管・神経の定量パターンに埋もれ、複数臓器のリスクと非線形に結びつく。医用画像深層モデルでしか、眼底1枚から全身横断のリスク構造を客観的に取り出せない。

💰 500万円の使途
  • ① 眼底画像と健診・転帰データの連携・倫理審査・匿名化
  • ② 眼科医による画質・所見のアノテーション
  • ③ GPU/API(画像深層・特徴帰属)
  • 全身リスク可視化ダッシュボードの試作
  • ⑤ 学会発表・プレプリント公開
📈 期待成果・社会実装(出口)

網膜特徴↔臓器リスクの対応マップ+日本人での予測ベンチマーク+網膜年齢=学会発表・論文。加えて健診・薬局・遠隔での非侵襲スクリーニングや眼底読影教育の土台。Hiroは眼科・健診で眼底を内側から見る医学生=当事者

※ 正直な関門:基盤的な実現可能性は海外の大規模バイオバンクで既に示されており(誇張しない)、新規性は“日本人コホート+臓器横断+解釈可能”に絞る。すべての全身変数が予測できるわけではない(年齢・性・心血管イベントは頑健だが甲状腺機能・血球数等は困難)。網膜年齢は撮影条件で再現性が揺れる(日内変動・session間±2年規模)。眼底画像は要配慮医療情報で大規模な紐付け・同意・匿名化が重い。臨床導入は医療機器/プログラム医療機器の整理を要する。学生応募可だが所属大学のe-Rad機関登録・承認が前提、第2回の正式日程・公募要領は確定次第確認。
完成イメージ(ダミーデータ)・元アイデア → spread-plans.md #15