説明可能なAIによる冠状動脈微小血管機能障害のマルチモーダル画像診断

科学分野:

• 心臓病学
• 人工知能
• 医療診断

背景:

• 冠状動脈微小血管機能障害（CMVD）の診断は依然として困難です。
• 現在の診断方法は時間がかかり、包括的な分析を欠く可能性があります。
• CMVDを評価するための正確で効率的なツールの必要性があります。

研究 の 目的:

• 臨床的に適用可能で説明可能性が強化されたAIモデルをCMVD診断のために開発および検証すること。
• 診断精度の向上のために、深層学習とマルチモーダル機械学習を統合すること。
• 心血管疾患評価におけるAIモデルの説明可能性を強化すること。

主な方法:

• 深層学習とマルチモーダル機械学習を統合したCMVD_MDASモデルの開発。
• 自動心筋分節化と畳み込みニューラルネットワークベースの特徴抽出。
• 臨床患者データで検証された、モデル説明可能性の向上のためのSHAPベースの特徴ランキング。

主要な成果:

• CMVD_MDASモデルは、優れた内部パフォーマンス（AUC：0.999）と堅牢な外部検証（AUC：0.79）を達成しました。
• AIモデルは、医師や市販ソフトウェアの診断パフォーマンスを上回りました。
• 診断時間は、従来のメソッドと比較して約90％削減されました。

結論:

• 説明可能性が強化されたAIソリューションは、CMVD評価の精度と効率を大幅に向上させます。
• CMVD_MDASは、臨床実践のための潜在的な新しい診断ツールを提供します。
• AI駆動の説明可能なモデルは、心血管疾患の診断と管理を強化できます。