精索静脈瘤(バリコシーレ)は、陰嚢内の静脈叢(蔓状静脈叢)が異常に拡張・蛇行する疾患で、成人男性の約15%に、原発性不妊症の男性の30〜40%にみられます。臨床的な意義は、静脈の逆流という病態生理学的な要因が精巣の恒常性を乱し、精子形成や内分泌機能に影響を及ぼす点にあります。
グレード分類は伝統的に、静脈径と逆流所見の定性的評価(Dubin-Amelar分類など)に基づいて行われてきましたが、この判定は検者の主観に大きく依存し、施設間・検者間でのばらつきが指摘されています。定量的な指標として近年注目されているのが、Valsalva法(努責)における精索静脈の逆流持続時間(spermatic vein reflux time, SVRT、以下逆流時間)です。逆流時間は静脈弁の機能不全や血管壁のコンプライアンス(伸展のしやすさ)を反映する動的な指標であり、静的な形態評価だけでは捉えられない情報を提供すると考えられています。しかし、逆流時間を他の解剖学的・血行動態的指標と組み合わせて多次元的に評価した研究はこれまで限られており、機械学習を用いてグレード判定を客観化する試みも、単一パラメータに基づくものにとどまっていました。
こうした課題に対し、Andrology誌(2026年)に、3855人の精索静脈瘤患者を対象に、逆流時間を中心とした多次元的な超音波指標から精索静脈瘤の重症度を予測する機械学習モデルを開発した研究が掲載されました(doi:10.1111/andr.70332)。カラードプラ超音波で測定した逆流時間、静脈径、精巣血流パラメータをもとに、ランダムフォレスト・XGBoost・ロジスティック回帰という3種類のモデルを比較し、逆流時間がグレード判定にどの程度寄与するかを、SHAP解析という手法で定量的に検証した内容です。
方法──3855人の精索静脈瘤患者を、逆流時間で解析した
対象は、2021年1月から2024年6月にかけて、中国・天津医科大学第二医院でカラードプラ超音波により精索静脈瘤と診断された18〜50歳の男性3855人です。安静時の静脈径1.8mm以上、または努責時(Valsalva法)2.0mm以上で、かつ1秒以上の逆流が確認された症例が組み入れられ、精巣上体炎などの急性・慢性陰嚢内炎症や、直近6か月以内に精索静脈への外科的処置歴があるケースなどは除外されました。
グレード判定には、施設独自の「構造・機能二軸判定基準」が用いられました。静脈径1.8〜2.7mmかつ逆流時間2秒以上4秒未満をグレードI、径2.8〜3.0mmかつ逆流時間4秒以上6秒未満をグレードII、径3.1mm以上かつ逆流時間6秒以上をグレードIIIと定義し、両側性の場合は重症度の高い側の所見でグレードを決定しています。
年齢、左右の精巣容積、精巣血流の収縮期最大速度(PSV)・拡張末期速度(EDV)、精索静脈径、逆流速度、逆流時間などが特徴量として用いられ、グレード予測(分類)モデルにはランダムフォレスト・XGBoost・ロジスティック回帰の3種類、逆流時間の推定(回帰)モデルにはランダムフォレスト回帰と重回帰分析が用いられました。逆流時間を含めることで判定精度が見かけ上高くなる「循環論法」の懸念を検証するため、XGBoostについては逆流時間を含むモデル(Version A)と含まないモデル(Version B)の2種類が比較されています。データは2021年1月〜2023年12月の症例(70%、2700例)を学習用、2024年1月〜6月の症例(30%、1155例)を時間軸に沿った検証用に分割されました。
逆流時間は、グレードが上がるごとに、ほぼ倍々に伸びていた
3855人のうち、片側(左)のみの精索静脈瘤が72.3%(2787人)、両側性が18.5%(713人)、片側(右)のみが9.2%(355人)を占め、グレードI 1826人、グレードII 1243人、グレードIII 786人という内訳でした。年齢や精巣容積、精巣血流速度には、グレード間で明らかな差は見られませんでした(いずれもp>0.05)。
一方、罹患側の精索静脈の指標は、グレードが上がるにつれてはっきりと増加していました。左側の逆流時間は、グレードIで2.85±1.12秒、グレードIIで5.28±0.92秒、グレードIIIで7.61±1.32秒(すべてp<0.001)、右側でも同様に2.75±1.08秒、5.12±0.88秒、7.39±1.28秒と、グレードIからIIIにかけておよそ2.7倍に伸びていました。静脈径や逆流速度についても同様の傾向がみられ、いずれの指標もグレードが上がるごとに段階的に増大しました(すべてp<0.001)。
Spearman相関分析では、逆流時間は静脈径(r=0.389〜0.426)、逆流速度(r=0.478〜0.512)、精索静脈瘤のグレード(r=0.369〜0.512)と、いずれも有意な正の相関を示しました(すべてp<0.001)。一方、拡張末期速度(EDV)とはほとんど相関がなく(右側のみr=−0.085、p=0.002とわずかな相関)、年齢との関連も認められませんでした。年齢や精巣容積といった背景因子を調整した偏相関分析でも、逆流時間と主要な指標との関連は維持されており(すべてp<0.001)、逆流時間が精索静脈瘤の重症度を反映する指標であることが裏付けられています。
カットオフ値は「2.3秒」「4.5秒」「6.2秒」──ROC解析が導いた診断基準
逆流時間がそれぞれのグレードをどの程度正確に見分けられるかを、ROC(受信者動作特性)曲線解析で検証したところ、グレードIの判定でAUC 0.826(95%信頼区間0.809〜0.843、カットオフ2.3秒、感度78.5%、特異度76.2%)、グレードIIでAUC 0.893(95%CI 0.875〜0.911、カットオフ4.5秒、感度84.3%、特異度82.6%)、グレードIIIでAUC 0.935(95%CI 0.922〜0.948、カットオフ6.2秒、感度89.7%、特異度88.5%)という結果が得られました。AUCは1に近いほど診断精度が高いことを意味する指標で、0.9を超える値は「優秀」とされる水準にあたります。
重症度が上がるほど逆流時間による判別精度も高まっており、とりわけ手術適応の判断に直結しやすいグレードIIIの判別で高い性能を示した点は、臨床的な意味が大きいといえます。得られたカットオフ値は、静脈径が2.8〜3.0mmのような境界域の症例で、判定の客観的な補助線として利用できる可能性があります。
AIは89.2%の精度で判定した──XGBoostモデルの実力
逆流時間を含む多次元的な特徴量を用いて、3種類の機械学習モデルでグレード予測の精度を比較したところ、XGBoost(逆流時間を含むVersion A)が最も高い性能を示しました。全体の正答率は89.2%(95%CI 0.881〜0.903)、Macro-F1スコアは0.882、グレードIIIのAUCは0.941(95%CI 0.925〜0.957)に達し、これは逆流時間単独によるROC解析の結果(AUC 0.935)よりも統計学的に有意に高い値でした(DeLong検定 Z=2.13、p=0.03)。ランダムフォレスト(正答率87.1%)やロジスティック回帰(正答率78.5%)は、これを下回る結果でした。
2024年1〜6月の症例を用いた時間軸に沿った検証でも、XGBoostモデルは87.6%の正答率を維持し、過学習による見かけ上の高精度ではないことが確認されています。また、主要な超音波指標に人為的なノイズを加えた頑健性の検証でも、正答率の低下はわずか1.1ポイント(89.2%→88.1%)にとどまりました。境界域の症例(静脈径2.8〜3.0mm)に限定した解析では、逆流時間単独での誤判定率が8.7%だったのに対し、多特徴量を統合したモデルでは3.2%まで低下しており、境界例における判定の安定化に寄与する可能性が示されています。従来の主観的なグレード判定における検者間一致率がおよそ72%とされていることを踏まえると、機械学習モデルによる89.2%という正答率は、判定の標準化に向けた一つの手がかりになり得ると考えられます。
「逆流時間頼み」ではない──SHAP解析が示した多因子の相乗効果
逆流時間はグレード判定基準そのものに含まれる指標であるため、これをモデルに組み込むこと自体が精度を見かけ上高くする「循環論法」に当たるのではないか、という懸念が生じます。この点を検証するため、逆流時間を除外したXGBoostモデル(Version B)も別途構築されました。その結果、Version Bでも正答率80.4%(95%CI 0.783〜0.825)、グレードIIIのAUC 0.872(95%CI 0.844〜0.899)と、逆流時間なしでも一定の判定精度が保たれることが確認されました。
各特徴量がモデルの判定にどの程度寄与しているかをSHAP解析で見ると、左側の逆流時間(平均絶対SHAP値0.23)が最も影響が大きく、次いで左側の静脈径(0.19)、左側の拡張末期速度(0.15)が続きました。逆流時間を除いたVersion Bでは、左側の静脈径(0.21)と拡張末期速度(0.17)が主要な予測因子として浮かび上がっており、逆流時間以外の指標にも独立した予測価値があることが示されています。これらの結果は、モデルの高い精度が逆流時間のみに依存したものではなく、複数の指標が相補的に働いた結果であることを裏付けています。
なお、逆流時間そのものを推定する回帰モデルについても検証が行われており、ランダムフォレスト回帰はR²=0.820(95%CI 0.802〜0.838)、平均二乗誤差0.76±0.12秒、平均絶対誤差0.58±0.09秒と、重回帰分析(R²=0.650、平均絶対誤差0.92±0.15秒)を上回る精度を示しました。特に逆流時間が6.2秒を超える重症例では、平均絶対誤差が0.41±0.07秒とさらに小さく、重症例ほど推定の精度が高いという結果でした。
日本の診療現場にとっての意味
日本の生殖医療の現場では、精索静脈瘤のグレード判定は、超音波検査を担当する医師の経験や施設ごとの慣行に依存する部分が少なくありません。静脈径2.8〜3.0mm前後の境界域の症例で手術適応の判断が割れることは、珍しくないと考えられます。今回示された逆流時間のカットオフ値(2.3秒・4.5秒・6.2秒)や、機械学習モデルによる客観的な判定は、こうした境界例における意思決定を補助する一つの参考情報となり得ます。
一方で、この研究はあくまで、逆流時間や機械学習モデルが施設独自のグレード判定基準とどの程度一致するかを検証したものであり、精液所見や妊孕性、手術後の成績といった臨床的な転帰との関連は検討されていません。臨床現場でこうした客観的指標を実際の治療方針の決定に用いる際には、この点への留意が必要です。
研究の強みと限界
本研究の強みは、単一施設ながら3855人という大規模なコホートを対象とし、逆流時間と複数の超音波指標を組み合わせて多次元的に解析した点、そして循環論法の懸念に対して逆流時間を除外したモデルを別途構築し、時間軸に沿った検証やノイズ付加による頑健性の検証まで行っている点にあります。
一方で、限界も複数指摘されています。第一に、精液所見や妊孕性、手術後の成績といった臨床的な転帰データが収集されておらず、今回の判定基準やモデルは、あくまで施設独自のグレード判定基準そのものとの一致度を検証したものにとどまります。第二に、単一施設・単一の超音波機器(Mindray DC-8S)によるデータであるため、施設間や機器間での再現性は未検証です。第三に、両側性の症例では、グレードのラベルは重症度の高い側の所見で決定される一方、モデルの入力には両側の指標が用いられており、ラベルと入力特徴量の対応関係にはなお検討の余地があります。第四に、施設独自の判定基準そのものについても、他施設を含めた多施設での外部検証はまだ行われていません。
おわりに
今回の研究は、精索静脈瘤3855例のデータをもとに、逆流時間が重症度と強く関連する定量的指標であることを示し、グレード別のカットオフ値(2.3秒・4.5秒・6.2秒)という客観的な参照値を提示しました。逆流時間を含む多次元的な特徴量を統合したXGBoostモデルは89.2%の正答率でグレード判定を再現し、SHAP解析によって、その精度が逆流時間単独ではなく複数の指標の相乗効果によるものであることも確認されています。精液所見や妊孕性といった臨床的な転帰との関連を検証する前向き研究が、今後の課題として位置づけられています。
参考文献
1. Liu N, Zhang B, Wang X, Zuo Y, Li J.『Machine Learning-Assisted Prediction of Varicocele Grade Using Multidimensional Spermatic Vein Reflux Time Analysis』Andrology 2026;0:1-13. doi:10.1111/andr.70332.