継続的な患者分層化のためのエコーカルディオグラフィー画像と医療記録の融合

科学分野:

• 心血管医学
• 人工知能
• 医療情報学

背景:

• 心臓の機能記述は 患者に詳細な洞察を与えます
• 高血圧は複雑で連続した病理的なスペクトルを示します.
• マルチモダルのデータ (臨床記録,エコーカルジオグラム) を統合することは,患者の総合的な評価に不可欠です.

研究 の 目的:

• マルチモダルのデータを用いて高血圧を特徴付ける新しい深層学習方法を開発する.
• トランスフォーマーモデルを活用して 様々なデータソースから患者の表現を学習する
• 高血圧患者を病理的な連続体に沿って層分けて理解を深める.

主な方法:

• テーブルデータに適応したトランスフォーマーモデル (XTab基盤モデル) を利用した.
• エコーカルディオグラフィと臨床データに関する モダリティー固有の予測を用いた.
• 病理学的連続性をモデル化するための順序分類タスクとして患者の層分化を策定した.

主要な成果:

• 限られたデータ (<200サンプル) で高性能 (96. 8%AUROC) を達成した.
• トレーニング回数における再現可能な患者層分化 (MAE5. 7%) が実証された.
• 高血圧に関連した心臓診断の新たなパターンを特定し,ある部分は既存の知識と一致している.

結論:

• 提案された方法は,心血管病理の特徴化のための多様式データを効果的に統合しています.
• トランスフォーマーモデルは,疾患の分層化のための複雑な臨床データを分析する上で有望である.
• 高血圧が心臓の機能に及ぼす影響について より深い洞察を得ることができ,将来の研究の機会を提供します.