野村　2022年末，FIFA W杯でVAR（Video Assistant Referee）が話題になったのをご記憶の方も多いでしょう。実はサッカーでは他にもデジタル活用が進んでおり，例えばウェアラブルデバイスで計測した試合中の走行距離や心拍データをもとに，選手の運動量をコーチ陣が管理して戦術を立てるそうです。医療分野への応用という点でも示唆に富むと感じました。

　近年は医療分野でのデジタル技術の活用も進展が顕著です。本日は循環器領域でデジタル医療に取り組むお二人とともに，現状と今後の展望をお話しできればと思います。

野村　そもそもデジタル医療とはどのようなものでしょうか。

苅尾　まず，「時空間を超えて情報をつなげる」ことがデジタル医療の鍵となります。つまり，各臓器の信号を多面的に，かつ過去に計測した信号と現時点の信号をつなげて診療に生かすことです。そのつなげるべき信号，すなわち臨床指標の一丁目一番地が血圧だと私は考えています。

野村　その考えが，これまで苅尾先生が取り組まれてきた血圧領域へのデジタル技術の活用，すなわちDigital Hypertensionにつながるのですね。

苅尾　われわれが目にする血圧値は，年や季節単位から日内変動，1心拍ごとまで，時相の異なる血圧変動を全て反映したものです。その中には，気温などの環境要因に加えてストレスや摂取塩分量，睡眠状態などの生活状況も反映されており，精神心理状態や臓器状態の指標として血圧をとらえられます。さらに循環器イベントの多くには，血圧のメカニカルな圧負荷が影響します。つまり血圧が最大に上昇した時こそ，その人の循環器イベントリスクが最も高まる時です。

　高精度なウェアラブルデバイスや測定センサーの開発により24時間365日の血圧データを集積する。そしてAI等を用いて解析して臓器障害やリスク評価につなげることがDigital Hypertensionに期待されています。

野村　血圧（脈波）のように多様な情報を持つ波はAIによる解析と相性がいいですね。解析によって人では知り得ない情報を見いだせることがあります。循環器領域で波と言えば，真っ先に挙がるのが心電図です。田村先生が取り組む，AIを用いて心電図解析を行う医療機器の開発について伺えますか。

田村　血圧と心電図は，複雑な生態系をある軸で切る点で共通しますね。心電図として目にする波形にも，多様な生理学的情報や神経学的情報などが複合されています。「われわれが目にする心電図波形は一部のパターン認識に過ぎず，解釈次第で得られる情報がもっとあるはず」。その思いから起業し，長時間心電図をディープラーニングで解析することで心房細動を自動判定するSmartRobin^®を実用化しました。

　現在のAI診断補助装置を利用が広がる第1段階ととらえ，「AIは便利だ」「人間のサポートや代わりになる」との認識を広げる。その上で発病には至らないものの軽い症状がある，いわゆる未病と言われるような人間が見えないものをAIで見るのがデジタル医療の第2段階だと考えています。

野村　AIならではの可視化について，具体的な構想はありますか。

田村　心電図の領域で言えば心不全の兆候検出，それからわれわれがAMED研究として治験中の心房細動の兆候検出です^1）。非発作時の心電図波形から心房細動の兆候を検出することができます（https://www.cardio-i.com/technology/）。

　これら未病段階での予測や苅尾先生の指摘された個人データ集積の実現などの段階を踏んだ上で，デジタルツイン（図1）を実現することがデジタル医療の1つの理想だと考えています。

野村　デジタルヘルスがめざす理想とはどのようなものでしょう。例えばDigital Hypertensionの目下の課題である，高精度な計測が長期間連続して可能なセンサーが実用化し普及した時にどんな影響が考えられますか。

苅尾　心拍出量の変動や，循環器イベントの引き金になる血圧高値の要因が心臓にあるのか末梢にあるのかなども含め，全ての神経活動が把握できるでしょう。さらに言えば，これまでは血圧や血糖値などの指標ごとにフォローしていたのに対し，あらゆる指標を時系列的に集めた個人のビックデータ集積が可能になります。そこから，ある指標が変動した際に，連動して全体がどのように変化するかが解析できるかもしれません。すると，データに基づいて全体の変化を予見しながら必要な治療薬やその用量を最適に調整し，患者を最高の状態へ導く個別最適化医療が実現できるはず。この個別化・予