私の4つの医療技術による組織学的治療の為の検査～治療までの具体的手順

特に神経系は一旦壊死すると
それまでその人が人生をかけて構築してきた
ネットワーク構造が物理的に壊れる事になるので、
それはおそらく今後医療が発展しても
不可逆で、物理的に元に戻すことはできません。
リハビリによって機能を回復させる事は可能ですが、
機能が戻らない場合もあります。
そういった後にかかる負担を考えると、
神経系はそうなるまえに保護したい、
病理を予防したいという事があります。
特に神経細胞は血液成分の連続供給が生命維持のために必要なので
液性(血液成分)、固体性(組織)ともに
健康な循環器系を維持したいという確固たる需要があります。
下述するように初期の損傷を正確に診断して、
早いうちに医療介入して、予防したいという事があります。

私が15年後(2039年)に患者さんに届ける
(S)細胞種特異的薬物送達システム
(1)特注細胞外マトリックスパッチ治療
(2)フック弾性誘導組織回復治療
(3)コラーゲン回復治療
(S)Cell-type-specific delivery system
(1)Customized ECMs patch medicine
(2)Hooke's elasticity induced tissue recovery medicine
(3)Collagen recovery medicine
((1)-(3)は仮名)
これらを駆使して、ここで述べる循環器を中心に
今まで実現が難しかった組織学的治療を本気で実現します。
本日、日本、アメリカ、中国、韓国、イギリス、ドイツ、スイス
オーストラリア、カナダ、スウェーデンを始め
世界各国に届けるこの記事の検査から治療までの一貫した
医療バリューチェーンの記事もその本気度の証明です。
具体的に「何が足りないか？」を一つ一つ丁寧に明らかにし、
その課題をどうやって解決したらいいか考え、
その解決に向かって地道に歩を進めることをします。
そのスタートはすでに私の中では行動として始まっています。

今のところ、初期の脳の損傷(Early brain injury)を
臨床で正確に診断する事は難しいです(1)。
しかし、こうした損傷が大きな損傷のトリガー、火種になりますから、
リスクがある患者さんに対して、
あるいは定期健診で初期の脳血管や腫瘍血管の損傷を診断する事が大切です。
バイオマーカーもありますが(1)、
バイオマーカーでは「正確な位置」が特定できません。
従って、MRIなど水の多い血管などの軟組織を分析するのに適した
解析手段で、安全に人に対して非侵襲で検査することが望ましいですが、
現在の技術では血管の細かい動きを分析する分解能がありません。
例えば、最も太い血管である大動脈は2.5cmくらいの径ですが、
血管の動きは1%～4%程度であり、それを10%の精度で観ようとすると
最低で100μm、最大で25μm辺ピクセル像が必要になります。
このスケールは現在の高解像度のMRIが300μm辺くらいですから、
精度が少し足りません。これは「最も太い血管」ですから、
それよりも径の小さな血管の動きを解析するとなると
さらに1桁以上の解像度改善が求められます。
その為には主磁場の強度を上げる事が中心ですが、
それと同時に、
入射ラジオ波パルスの光源としての半値幅を狭くすることが
桁で解像度を向上させる上で必須となります。
また、検体、すなわち患者さんに掛ける磁場を安定化させる事も重要です。
さらに、精度が高まった時には
受光系、測定系の精度も挙げる必要があります。
こうした複合的な取り組みで解像度を上げる必要があります。
一方で、こうした血管の動きの分析は「4次元(動画)」ですから
今のMRIの静止画の画像では分析できません。
従って、例えば、血管の収縮、伸張の周期は心拍に連動しているので
おおよそ0.6秒周期だとすると、
その動きを10周期観ようと思ったら、
最低でも同じスライスポイントで6秒間分析する必要があります。
時間がかかる測定なので、
初めは簡便なバイオマーカー分析をして
脳血管にリスクが認められれば、
その脳領域に絞って、集中的に分析する事も
検査プロトコルとして求められます。
当然、出血がある部分は組織の異常がありますから、
こうした動きの評価の中での異常が示されます。
これは人が眼でみてわからない可能性があるので、
人工知能やプログラミングによるソフロウェアによって
画像解析する必要があります。
こうした精緻な画像解析をAIで行う際には
コンピューター上での演算において「並列解析」が必要ですから
演算装置のコア数が大切になります。
その病院や大学病院であれば大学構内に
特別にアクセスできるGPUを有する
パソコンを別途用意する事が求められます。
あるいは、共通に利用できるサーバーが必要です。
従って、環境のGPU、すなわち中央演算装置のコア数を高める事は
画像解析の上で必須となりますから、
単にAIの一般的な技術開発だけではなく、
医療の画像解析、動画解析をAIや
コンピューター上で行う際にも必要となる事です。
上述したMRIの改善はこのコンピューターを使った
今までにない画像解析、組織の運動解析が前提となっています。
また、こうしたMRIの動画解析は
fMRIで解析できる血流の動きも解析できます。
こうした血流の動きの異常も当然、出血部ではありますから、
それも初期の脳血管損傷を分析する上で重要です。
従って、fMRIは軟組織の分析に適しており、
さらに、解像度を上げるための改善余地が残されている事から、
非常に重要な測定形式です。
想定される検査プロトコルとしてまとめると
まずはバイオマーカーで脳血管系のリスクを分析して、
脳血管系にリスクのある患者を層化します。
リスクがある患者に対して、
脳血管系に絞って分析していく五事になります。
この時点で、測定総体積が減少するため、
患者さんの身体、心の負担を含めて
測定の負担は減る事になります。
この時にドップラー超音波検査(2)、fMRIなどで
血流の分析のほうが容易であれば、
先に血流の分析をします。
そうした血流の分析で異常が見られたところに絞って
一番難しいと考えられる血管の動きの機械的特性を
超高分解能MRIやCTで検査します。
この時には領域がかなり絞られているため、
一つのボクセル当たりに時間がかけられるため、
より精細な分析が可能です。
この機械的特性の分析は最終的に弾性係数を高めるエラスチンによる
医療介入、すなわち患者さんの治療の為に必要です。
従って、この層化された検査プロトコルは
異常が診られた時に医療介入、治療するまでを想定したものとなっています。

ここでは血管系の1%～4%の動きで
どのように血管の弾性係数や剛性などの機械的特性を
数学的に分析するかについて記述します。
それは絶対に必要な事だからです。

血管の心拍に同期した収縮・伸張運動から血管の弾性係数や
剛性を数学的に分析するためには、血管の弾性特性を示す
いくつかの重要な概念と、それに基づいた数式を用いる必要があります。
以下に、その分析に役立つ主要な数式や原理を示します。

1. 基本的な概念と変数
内圧 (P): 血管内部にかかる血圧。
半径 (R): 血管の内径の半径。
壁厚 (h): 血管壁の厚さ。
伸び率 (ΔR/R₀): 血管が伸縮した際の半径の変化率。R₀は基準時の半径。
弾性係数 (E): 血管壁の弾性率、ヤング率とも呼ばれ、材料の剛性を表す。
剛性 (K): 血管全体の抵抗性。一般的に剛性は弾性係数と血管形状に依存します。

2. ラプラスの法則
血管壁にかかる応力を求めるためには、ラプラスの法則が利用されます。

 σ = (P * R) / h

ここで、σは血管壁にかかる周方向応力です。
この応力は、血管の拡張や収縮に対してどの程度の力がかかっているかを示します。

(計算例)冠動脈
内圧 (P): 120 mmHg（標準的な収縮期血圧）
半径 (R): 2 mm（冠動脈の内径）
壁厚 (h): 0.2 mm（冠動脈の壁の厚さ）

P=120 mmHg=120×133.322 Pa=15998.64 Pa
R=2 mm=0.002 m
h=0.2 mm=0.0002 m

σ　= 159986.4 Pa ≒ 160 kPa


3. ホープの法則 (Hooke's Law)
応力とひずみの関係はホープの法則で表されます。

 σ = E * ε

ここで、εはひずみ（変形の割合）です

 ε = ΔR / R0

これを用いると、

　(P * R) / h = E * (ΔR / R0）

これをPについて解くと、血管の内部圧力が次のように表せます。

  P ＝ (E * h * ΔR) / R * R0

(計算例) 
2のラプラスの法則から収縮期血圧120mmHgの時の冠動脈にかかる
周方向の応力を計算しました。
σ ≒ 160 kPa
実際に冠動脈の動きのデータからΔRが計算できるので
それに対して外周の半径R0=2.2mmから伸び率が計算できるので
そこから弾性係数が求まります。
仮に10% ～ 15%動くとすると

　E = σ / ε = 160 kPa / 0.1 ~ 0.15 = 1.6 MPa ~ 1.1 MPa　


4. 剛性 (Stiffness) の評価
剛性 K は、血管がどの程度の圧力変化に対してどれだけ変形するかを示します。

  K = ΔP / (ΔR/R0) = (E * h) / R0

これにより、剛性は血管壁の弾性係数 E と壁厚 h に依存することがわかります。

(計算例)
硬さは
 K ≒ 100 kPa / m ~ 145 kPa /m

これに対して、動脈硬化では程度が軽い場合　剛性2倍程度
進行した動脈硬化では　剛性4 ~ 5 倍
それに対して、血管壁が　10 ~ 20 %増加 (軽度)
重度の動脈硬化　100% (重度)
軽度でも局所の血圧は剛性の1/2乗に比例すると想定されます
そうすると　169mmHg
重度の動脈硬化の場合　240mmHg となります

ここから血管の動きの幅ΔRを求めます。
普通の場合　約0.3mm
そうすると　軽度の場合　約 0.3mm
逆に重度の場合　約 0.3mm

ここから今まで私の中で明らかでなかった「重要な計算結果」が示されました。
すなわち血管の動きは硬くなったら心臓から送り出される血圧上昇によって
応力が増える為、それによって硬くなっても血管の動きが補填されます。
従って、軽度でも重度でも力が変わるだけで動きは
少なくとも大きくは変わりません。
これは普通の場合でも同じです。
実際はどうかわかりません。
従って、実際に求めたい機械的特性は弾性係数と剛性なので
血管の像から血管径、血管壁厚さ、血管の動きが必要ですが、
一方で、局所的な「血圧(mmHg)」を求める必要があります。
これには血流の速度の計測が必要です。

実際にこの測定に現在最も適した測定は超音波測定の可能性があります。

(参考)
5. 動的弾性係数の評価
心拍に同期した血管の動的弾性係数Edを求めるためには、血圧変動に伴う変形を評価します。

 Ed = ΔP * R0 / ΔR

ここでΔP は心拍に伴う圧力変動です。
この動的弾性係数は、血管の収縮と伸張に対する反応を評価するために重要です。

6. 動脈剛性指数 (Arterial Stiffness Index, ASI)
動脈剛性を測定するための一つの方法として、動脈剛性指数が用いられます。

 ASI = ΔP / (ΔV/V)

ここで、ΔVは血管の容積変化であり、Vは初期の容積です。

7. 脈波速度 (Pulse Wave Velocity, PWV)
血管の弾性と剛性を評価するためのもう一つの重要な指標が脈波速度 (PWV) です。

　PWV = √((E * h) / (2 * ρ * R))

ここで、ρ は血液の密度です。PWVは、血管の剛性が高いほど増加します。

これらの数式と概念を用いることで、心拍に同期した血管の収縮・伸張運動から、
その弾性係数や剛性といった機械的特性を定量的に分析することができます。


(参考文献)
(1)
Weili Li,1 Rong Pan,2 Zhifeng Qi,1 and Ke Jian Liu
Current progress in searching for clinically useful biomarkers of blood–brain barrier damage following cerebral ischemia
Brain Circ. 2018 Oct-Dec; 4(4): 145–152.
(2)
Ammar A. Oglat,1,* M. Z. Matjafri,1 Nursakinah Suardi,1 Mohammad A. Oqlat,2 Mostafa A. Abdelrahman,3 and Ahmad A. Oqlat3
A Review of Medical Doppler Ultrasonography of Blood Flow in General and Especially in Common Carotid Artery
J Med Ultrasound. 2018 Jan-Mar; 26(1): 3–13.