病気と健康の話｜三田市で年中無休・平日20時まで診療のまんかいメディカルクリニック

【高血圧】心臓と血管は、いちばん予防できる臓器です―JACC 最新提言に学ぶ、症状が出る前に危険を見つける新しい心血管医療—

はじめに ― 加齢性疾患のなかで、心血管疾患だけが特別である理由

がん、認知症、骨粗鬆症、変形性関節症——加齢とともに増える病気は数多くあります。そのなかで心臓と血管の病気(心血管疾患)には、他の加齢性疾患にはない際立った特徴があります。それは「原因の大半が数値として測定でき、しかもその数値を動かせる」という点です。血圧、コレステロール、血糖、体重、喫煙。これらはすべて外来で把握でき、生活習慣と薬によって確実に改善させることができます。認知症やがんにも予防可能な要素はありますが、「測って下げれば病気が減る」という関係がこれほど明快に確立されている加齢性疾患は、他にありません。

2026 年、米国心臓病学会(ACC)の学術誌 JACC に、ACC 会長の Roxana Mehran 氏と、Scripps Research の Eric Topol 氏が連名でリーダーシップ論文を発表しました(Mehran & Topol, JACC, 2026)。表題は「反応する医療から予測する予防へ」。心血管医療はいま、症状が出てから治療する段階から、症状が出る前に危険を見つけて手を打つ段階へと移行しつつあるという宣言です。本コラムでは、この提言を軸に、なぜ心血管疾患が「最も予防可能な加齢性疾患」といえるのか、そして予防の技術がどこまで到達しているのかを、欧米の最新エビデンスとともに整理してお伝えします。

1. 「予防可能性」を数字で見る ― 心血管イベントの半分以上は防げる

心血管疾患がどれだけ予防可能かを最も明快に示したのが、2023 年に New England Journal of Medicine 誌へ発表された国際共同研究です。Global Cardiovascular Risk Consortiumは、34 か国・112 コホート、150 万人以上の個人レベルデータを統合し、5 つの修正可能な危険因子——BMI、収縮期血圧、non-HDL コレステロール、現在喫煙、糖尿病——が心血管疾患の発症にどれだけ寄与しているかを算出しました(Global Cardiovascular Risk Consortium, N Engl J Med, 2023)。

結果は明快でした。これら 5 因子で説明できる 10 年間の心血管疾患発症の割合(人口寄与危険割合)は、女性で 57.2%、男性で 52.6%。つまり心血管疾患のおよそ半分以上は、理論上「なくすことができた」計算になります。全死亡についても、女性 22.2%、男性 19.1%が同じ 5 因子に帰属していました。すべての地域を通じて最大の寄与因子は収縮期血圧であり、これは日常診療で最も頻繁に測定し、最も確実に下げられる指標でもあります。

Mehran と Topol の両氏は JACC 誌の冒頭で、心血管疾患が依然として世界の罹患・死亡の第一位であり、従来の予防戦略は成果を上げてきたものの「明らかに十分ではない」と述べています(Mehran & Topol, JACC, 2026)。予防できるはずの病気が、なお最大の死因であり続けている——このギャップこそが、予測予防という新しい発想の出発点です。

2. 従来のリスク計算式の死角 ― 提言が指摘する「見落とされてきた層」

では、半分以上が予防可能なはずの病気を、なぜ私たちは防ぎきれていないのでしょうか。JACC 誌の提言は、その一因を従来のリスク評価の限界に求めています。

年齢、コレステロール、血圧、喫煙、糖尿病を組み合わせたリスク計算式は、今なお不可欠な道具です。米国心臓協会(AHA)は 2024 年、腎機能(推算糸球体濾過量)や体格指数を組み込み、心不全までを含めた 10 年および 30 年リスクを算出できる PREVENT 方程式を発表しました(Khan et al., Circulation, 2024)。600 万人以上のデータから開発されたこの式は 30 歳から適用でき、心血管・腎・代謝の健康を一体として捉える点で大きな前進です。

それでもなお、と両氏は指摘します。こうした計算式は、遺伝的に受け継いだリスク、動脈の炎症、無症候性の動脈硬化、生物学的な老化、そして行動・環境・社会的要因の複雑な相互作用を十分には捉えきれていません。実際、心筋梗塞の多くは血流を妨げるほどの高度狭窄ではない病変——従来の検査では「大きな問題なし」と判定されうる病変——から発生することが知られています。集団の平均からその人を推定する時代から、その人自身の体を直接観測する時代へ。これが提言の核心です。

3. リスクを「推定する」から「検出する」へ ― 予測予防という発想の転換

JACC 誌の中心図が描くのは、「リスク・インテリジェンス・エンジン」という概念です。ゲノム、網膜画像、心血管画像、プロテオミクス(タンパク質の網羅的解析)、臨床・行動データ、ウェアラブル、そしてそれらを統合する AI。七つの入力がひとつの中心へ集まる構造として示されています(Mehran & Topol, JACC, 2026)。

その副題は象徴的です。「リスクを推定する段階から、リスクを検出する段階へ」。推定とは、あなたと似た属性の集団で何パーセントが発症したか、という確率の話です。検出とは、あなた自身の体のなかで実際に何が起きているかを見つけることです。両者の隔たりは大きく、そして後者のほうが、はるかに具体的な行動につながります。

両氏は、目的が臨床判断を置き換えることではなく「医師がリスクをより早く見て、より正確に行動する能力を拡張すること」にあると明記しています。予防のタイミングを、発症の直前から数十年前へと前倒しすること。これこそが、多くの加齢性疾患のなかで心血管疾患だけが現実に実現しつつある地平です。

4. 遺伝子で数十年先を読む ― ポリジェニックリスクスコアの実用化

最も早い段階でリスクを知る手段が、遺伝情報です。ポリジェニックリスクスコア(PRS)は、数百万個の遺伝子多型の影響を合算し、症状が現れるはるか以前に高リスク者を同定しようとする手法です。年齢、家族歴、生活習慣といった従来の因子を超えた予測情報を与え、冠動脈疾患に対するスタチン開始の判断から、がん検診の強化まで、より早期で個別化された介入を導きうると位置づけられています(Mehran & Topol, JACC, 2026)。

その臨床的価値を大きく前進させたのが、Lennon らが 80 名を超える共同研究者とともに 2024 年に Nature Medicine 誌へ発表した研究です(Lennon et al., Nat Med, 2024)。10 の一般的な慢性疾患について PRS を選定・最適化・検証し、多様な祖先集団において高リスク者の同定に有用であることを示しました。祖先集団を超えた汎用性の欠如は、これまで PRS が抱えてきた最大の弱点であり、その克服は臨床実装に向けた重要な一歩です。

ただし、注意も必要です。PRS は「運命」ではありません。遺伝的に高リスクであっても、生活習慣が良好であれば発症率が大きく下がることは複数のコホート研究で示されています。遺伝子は、いつから注意を始めるべきかを教えてくれる時計であって、結末を決める判決ではないのです。

5. 詰まる前に見る ― 冠動脈の「炎症」を捉える画像 AI

心臓の血管に何が起きているかを、詰まる前に見る。これも現実になりつつあります。JACC 誌の提言は、AI を用いた画像解析による不安定プラークと動脈の炎症の検出を、急速に発展する最前線として挙げています。とりわけ脂肪減衰指数(fat attenuation index, FAI)は、冠動脈を取り巻く脂肪組織の性状変化から、血管の炎症を数値として捉える手法です。両氏はこれを「閉塞性冠動脈疾患への固執から、非閉塞性の動脈疾患への注目へ」という大きな概念転換であると表現しています(Mehran & Topol, JACC, 2026)。

その根拠となったのが、英国オックスフォード大学を中心とする ORFAN 研究です(Chan et al., Lancet, 2024)。約 4 万人が冠動脈 CT を受けたこの多施設縦断研究では、閉塞性冠動脈疾患のない患者——従来なら「異常なし」とされてきた層——においても、FAI スコアで測った冠動脈の炎症が将来の心血管イベントを強く予測しました。石灰化スコアがゼロでプラークが見えない患者ですら、炎症の程度によってリスクが層別化されたのです。さらに FAI とプラーク量、危険因子を統合した AI リスクモデルの導入により、およそ半数の患者で治療方針が変更されたと報告されています。

血流を妨げる狭窄や臨床イベントの発生を待つのではなく、生物学的に活動している病変を、より早く、より介入しやすい段階で見つける。これが一次予防による心筋梗塞の削減につながりうると、両氏は述べています。

6. 眼底とウェアラブル ― 網膜が語る血管年齢、日常が語る循環動態

もうひとつ、意外な窓があります。眼底です。網膜は、体のなかで血管を直接、非侵襲的に観察できるほぼ唯一の場所であり、情報量の豊かな画像源であることがわかってきました。深層学習を用いた解析により、血圧、血糖コントロール、冠動脈石灰化といった全身の状態が、人間の観察者には見えない段階で読み取れると報告されています(Mehran & Topol, JACC, 2026)。

Nusinovici らが 2022 年に Age and Ageing 誌へ発表した研究では、網膜写真から深層学習で導いた生物学的年齢の指標が、死亡や重大な合併症——心血管死を含む——のリスク層別化を改善しました(Nusinovici et al., Age Ageing, 2022)。実年齢と網膜年齢の差、いわゆる「網膜年齢ギャップ」が、全身の老化速度を映す鏡になりうるという発想です。

そしてウェアラブルです。心血管の評価は、定期的な外来受診という「点」の観察から、日常生活のなかでの「線」の観察へと移りつつあります。不整脈、活動量、睡眠、血圧の推移といった指標を時系列で追跡できるようになり、より早い介入と、より深い患者さんご自身の関与が可能になります。AI と組み合わせることで、こうしたデータの流れが個人のリスクプロファイルに合わせた予防戦略を支えうると、両氏は展望しています。

7. 過信への戒め ― AI は臨床判断を置き換えない

ここまで技術の可能性を述べてきましたが、JACC 誌の提言はその紙幅の少なからぬ部分を慎重論に割いています。この姿勢こそが、この論文を信頼に足るものにしています。

2024 年に Lancet Digital Health 誌へ発表されたスコーピングレビューでは、臨床現場で AI を評価したランダム化比較試験が各領域で増加しており、その多くが主要評価項目で肯定的な結果を報告していた一方、単施設デザインの多さ、対象者背景の報告不足、そして患者にとって本当に意味のあるアウトカムを優先した試験の必要性が指摘されています(Han et al., Lancet Digit Health, 2024)。

両氏の警告は具体的です。不完全あるいは代表性を欠くデータで学習したアルゴリズムは健康格差を拡大しうる。説明できないモデルは信頼を損なう。臨床の流れに負担を加える道具は普及しない。AI は臨床の専門性を補強するものであって置き換えるものではなく、その実装は透明性、検証可能性、公平性、説明責任を備えていなければならない——。技術は、それを使う医療の質を超えることはできないのです。

8. では、今日から何をすべきか ― 8 つの土台と、薬という選択肢

最先端の技術を待つ必要はありません。土台は変わらないからです。米国心臓協会は「Life’s Essential 8」として、食事、身体活動、禁煙、睡眠、体重、脂質、血糖、血圧という八つの要素を心血管の健康の構成要素として提示しています(Lloyd-Jones et al., Circulation, 2022)。2022 年の改訂で睡眠が正式に加えられた点が特徴で、心血管の健康は生涯を通じて維持・増進すべきものと位置づけられました。

脂質管理には「早さ」という重要な視点があります。欧州動脈硬化学会のコンセンサス声明は、LDL コレステロールが動脈硬化性心血管疾患の原因であること、そしてそのリスクが生涯にわたる累積曝露量によって決まることを明らかにしました(Ference et al., Eur Heart J, 2017)。同じ数値でも、40 歳から管理を始めるのと 65 歳から始めるのとでは、防げるイベントの数が大きく異なります。予防は早いほど効く——この直感は、疫学的にも裏づけられているのです。

体重についても選択肢が広がりました。SELECT 試験では、心血管疾患の既往があり糖尿病を有さない過体重・肥満の患者において、セマグルチド(ウゴービ)が主要心血管イベントを有意に減少させることが示されています(Lincoff et al., N Engl J Med, 2023)。肥満治療が心血管予防の確立した手段として位置づけられた転換点であり、日本でも適応と要件を慎重に確認したうえでの選択肢となっています。ただし薬物療法は、あくまで生活習慣という土台の上に積み上げるものです。

おわりに ― 予防に最も効果的なタイミングは、いつも「今」です

加齢性疾患のなかで、心血管疾患はもっとも予防可能です。その根拠は、発症の半分以上が測定可能な危険因子に帰属するという疫学(N Engl J Med, 2023)と、それらの因子が生活習慣と薬で確実に動かせるという治療学の、両方にあります。そしていま、遺伝子、冠動脈 CT による炎症評価、網膜画像、ウェアラブル、AI という新しい道具が、そのリスクを「推定する」段階から「検出する」段階へと押し上げようとしています。Mehran と Topol の両氏はこれを一世代に一度の好機と呼び、次の 10 年が「起きてから対処する医療」から「起きる前に防ぐ医療」への歴史的な移行となりうると述べました(Mehran & Topol, JACC, 2026)。

とはいえ、この転換は最先端の施設だけのものではありません。血圧を測る。脂質と血糖を年に一度確認する。腹囲と体組成の変化に気づく。禁煙する。よく眠る。歩く。これらはすべて、今日から始められる立派な「検出」であり「介入」です。

まんかいメディカルクリニックでは、CT および超音波検査による血管評価、InBody による体組成測定、指定運動療法施設としての運動処方、長期管理に取り組んでいます。日曜・祝日を含む診療体制より、急な体調変化への対応を含めた継続的なフォローが可能です。「まだ症状がないから」ではなく「症状が出る前だからこそ」——予防医療の最も効果的なタイミングは、いつも今この瞬間です。

FAQ ― よくあるご質問

Q1. 健康診断で「異常なし」なら、心臓は安心してよいのですか?

必ずしもそうとは言えません。ORFAN 研究では、閉塞性冠動脈疾患がなく、石灰化スコアがゼロでプラークも見えない患者においてすら、冠動脈周囲の炎症の程度によって将来の心血管イベントリスクが層別化されました(Chan et al., Lancet, 2024)。心筋梗塞の多くは、高度狭窄ではない病変から起こることが知られています。また従来のリスク計算式は、遺伝的リスクや動脈の炎症、生物学的老化を十分には捉えていません(Mehran & Topol, JACC, 2026)。数値が基準内であっても、家族歴や複数の因子の組み合わせによっては、追加の評価が有用な場合があります。

Q2. 心臓病は遺伝ですか。親が心筋梗塞だと防げないのでしょうか?

遺伝の影響はありますが、「防げない」ということではありません。ポリジェニックリスクスコアは数百万の遺伝子多型を統合して発症前に高リスク者を同定する手法で、多様な祖先集団での有用性が示されています(Lennon et al., Nat Med, 2024)。一方で心血管イベントの 5 割以上は、血圧・脂質・血糖・体重・喫煙という修正可能な因子に帰属します(Global Cardiovascular Risk Consortium, N Engl J Med, 2023)。遺伝的リスクは「いつから注意を始めるべきか」を教える情報であって、結果を決める判決ではありません。むしろ家族歴のある方こそ、早期からの管理による恩恵が大きいと考えられます。

Q3. コレステロールの薬は、何歳から始めるのが得ですか?

一概には言えませんが、「早いほど累積の効果が大きい」ことは示されています。欧州動脈硬化学会のコンセンサス声明は、LDL コレステロールが動脈硬化性心血管疾患の原因であり、そのリスクが生涯にわたる累積曝露量によって決まることを明らかにしました(Ference et al., Eur Heart J, 2017)。同じ値でも、若い時期から管理するほうが防げるイベントは多くなります。ただし開始の判断は、絶対リスク、他の危険因子、副作用のリスク、ご本人の意向を総合すべきものです。AHA の PREVENT 方程式は 30 歳から 10 年・30 年リスクを推定でき(Khan et al., Circulation, 2024)、こうした対話の材料になります。

Q4. スマートウォッチのデータは、診療の役に立ちますか?

補助的な情報としては有用です。JACC 誌の提言は、ウェアラブルが心血管の評価を定期受診という点の観察から日常の連続的な観察へと変えつつあり、不整脈、活動量、睡眠、血圧の推移などを時系列で追えることで早期介入につながりうると述べています(Mehran & Topol, JACC, 2026)。一方、AI の臨床応用を評価したランダム化比較試験のレビューでは、単施設研究が多いことや、患者にとって意味のあるアウトカムを扱った試験が少ないことが課題として挙げられています(Han et al., Lancet Digit Health, 2024)。診断はあくまで医療機関での評価に基づきますので、気になる記録があればデータをお持ちのうえでご相談ください。

Q5. 眼底検査で心臓のリスクがわかるというのは本当ですか?

研究段階を含みますが、有望な領域です。網膜は血管を直接観察できる数少ない部位であり、深層学習を用いた解析によって血圧、血糖コントロール、冠動脈石灰化といった全身の状態が読み取れることが報告されています(Mehran & Topol, JACC, 2026)。 Nusinovici らの研究では、網膜写真から導いた生物学的年齢の指標が、心血管死を含む死亡・重大合併症のリスク層別化を改善しました(Nusinovici et al., Age Ageing, 2022)。ただし現時点で日本の日常診療に標準的に組み込まれた手法ではありません。糖尿病や高血圧をお持ちの方の眼底検査は、それ自体が重要な評価ですので、定期的な実施をお勧めします。

参考文献

1. Mehran R, Topol EJ. From reactive care to predictive prevention: harnessing technology to transform cardiovascular care. J Am Coll Cardiol. 2026. doi:10.1016/j.jacc.2026.07.021
2. Global Cardiovascular Risk Consortium; Magnussen C, Ojeda FM, Leong DP, et al. Global effect of modifiable risk factors on cardiovascular disease and mortality. N Engl J Med. 2023;389(14):1273-1285. doi:10.1056/NEJMoa2206916
3. Khan SS, Matsushita K, Sang Y, et al. Development and validation of the American Heart Association’s PREVENT equations. Circulation. 2024;149(6):430-449. doi:10.1161/CIRCULATIONAHA.123.067626
4. Lennon NJ, Kottyan LC, Kachulis C, et al. Selection, optimization and validation of ten chronic disease polygenic risk scores for clinical implementation in diverse US populations. Nat Med. 2024;30:480-487. doi:10.1038/s41591-024-02796-z
5. Chan K, Wahome E, Tsiachristas A, et al. Inflammatory risk and cardiovascular events in patients without obstructive coronary artery disease: the ORFAN multicentre, longitudinal cohort study. Lancet. 2024;403(10444):2606-2618. doi:10.1016/S0140-6736(24)00596-8
6. Nusinovici S, Rim TH, Yu M, et al. Retinal photograph-based deep learning predicts biological age, and stratifies morbidity and mortality risk. Age Ageing. 2022;51(4):afac065. doi:10.1093/ageing/afac065
7. Lloyd-Jones DM, Allen NB, Anderson CAM, et al. Life’s Essential 8: updating and enhancing the American Heart Association’s construct of cardiovascular health: a presidential advisory from the American Heart Association. Circulation. 2022;146(5):e18-e43. doi:10.1161/CIR.0000000000001078
8. Ference BA, Ginsberg HN, Graham I, et al. Low-density lipoproteins cause atherosclerotic cardiovascular disease. 1. Evidence from genetic, epidemiologic, and clinical studies. A consensus statement from the European Atherosclerosis Society Consensus Panel. Eur Heart J. 2017;38(32):2459-2472. doi:10.1093/eurheartj/ehx144
9. Lincoff AM, Brown-Frandsen K, Colhoun HM, et al. Semaglutide and cardiovascular outcomes in obesity without diabetes (SELECT). N Engl J Med. 2023;389(24):2221-2232. doi:10.1056/NEJMoa2307563
10. Han R, Acosta JN, Shakeri Z, et al. Randomised controlled trials evaluating artificial intelligence in clinical practice: a scoping review. Lancet Digit Health. 2024;6(5):e367-e373. doi:10.1016/S2589-7500(24)00047-5

---

※本コラムは医学的情報の提供を目的としたものであり、個別の診断・治療を代替するものではありません。
気になる症状がある方は医療機関にご相談ください。