標準12誘導心電図を用いた三尖弁逆流症の重症度特定のための深層学習モデル

科学分野:

• 心臓病学
• 人工知能
• 医療診断

背景:

• 経胸壁心エコー検査（TTE）は三尖弁逆流症（TR）検出の標準ですが、高価で術者依存性があります。
• 12誘導心電図（ECG）は容易に入手可能であり、代替診断法のための機会を提供します。

研究 の 目的:

• 12誘導ECG信号と臨床データを用いた重症TR検出のための深層学習（DL）モデルを開発・評価すること。
• 従来の診断方法と比較して、TRを特定する上でのDLモデルの診断性能を評価すること。

主な方法:

• ECGとTTEの両方のデータを持つ5432人の患者のデータセットを使用し、570人が重症TRと診断されました。
• 1D畳み込みニューラルネットワーク、効率的なチャネルアテンション、マルチヘッドアテンションモジュールを組み合わせたDLモデルアーキテクチャを採用しました。
• モデルは3910人の患者でトレーニングされ、内部および外部コホートで検証されました。

主要な成果:

• DLモデルは、ECG信号、年齢、性別を用いて重症TRを予測する精度0.762、AUC 0.857を達成しました。
• 追加の臨床要因を組み込むことで、感度が0.836、AUCが0.866に向上し、外部検証も良好でした。
• DLモデルは、重症TRを特定する上で実質的な診断性能を示しました。

結論:

• ECGデータを利用する深層学習モデルは、重症TRの診断を容易にする可能性を示しています。
• このAI駆動型アプローチは、TRのよりアクセスしやすく費用対効果の高いスクリーニングツールを提供する可能性があります。
• このDLモデルの広範な有用性を確立するには、さらなる臨床的検証が必要です。