深層学習を用いたSARS-CoV-2感染後後遺症（PASC）を有する小児の心エコー検査評価

科学分野:

• 心臓病学
• 人工知能
• 小児科学

背景:

• SARS-CoV-2感染後後遺症（PASC）は、小児における心合併症を引き起こす可能性があります。
• 心エコー検査は心異常の検出に不可欠ですが、標準的な解析では微妙な変化が見逃される可能性があります。

研究 の 目的:

• 深層学習を適用して、PASCを有する小児における心エコー検査の変化の検出と理解を強化すること。
• PASCを有する小児と対照群の間で心臓機能を区別するAIモデルのパフォーマンスを評価すること。

主な方法:

• PASCを有する小児270名と年齢を合わせた対照群400名を含む症例対照研究。
• ResNet-50ベースの深層学習モデルを用いて心エコー検査画像を解析しました。
• 先天性心疾患、炎症性疾患、または不整脈は除外基準としました。

主要な成果:

• 標準的な心エコー検査パラメータでは、PASC群において有意な異常は認められませんでした。
• 深層学習モデルは、高い精度（96.6％）、感度（96.7％）、特異度（96.2％）を達成しました。
• AI支援解析は、PASC群と対照群の間で心臓機能を効果的に区別しました。

結論:

• 深層学習モデルは、PASCを有する小児における微妙な心臓の変化の検出を強化することができます。
• AI支援心エコー検査は、PASC関連の心臓の違いを特定する上で高いパフォーマンスを示します。
• これらのAI検出された違いの臨床的意義を決定するには、さらなる大規模な研究が必要です。