心電図を用いたAIベースのASCVDリスク層別化の開発と多国間検証

科学分野:

• 心臓病学
• 医療情報学
• 予防医学

背景:

• アテローム性心血管疾患（ASCVD）の臨床リスクスコアは、予測因子のデータが欠落しているという限界があります。
• 心電図（ECG）は広く利用可能ですが、リスク予測には十分に活用されていません。
• ASCVDのスケーラブルなリスク評価ツールの必要性が存在します。

研究 の 目的:

• 心血管疾患（ASCVD）のリスクのある個人を特定するために、心電図を用いたリスク予測パラダイムであるECG-ASCVDを開発および検証すること。
• さまざまな心電図ベースのモデル（ECG-ASCVD-12、ECG-ASCVD-IMAGE、ECG-ASCVD-1）のパフォーマンスを評価すること。
• 標的リスク因子評価のためのECG-ASCVDの臨床的有用性をシミュレーションすること。

主な方法:

• イェール大学ニューヘイブンヘルスシステム（YNNHS）、ELSA-Brasil（ELSA）、およびUKバイオバンク（UKB）からのデータを使用したECG-ASCVDモデルの開発と検証。
• 12誘導心電図信号、心電図画像、および誘導-1信号からのASCVDまでの時間の予測。
• C指数とハザード比を用いたモデルパフォーマンスの評価、および100,000人の成人への展開のシミュレーション。

主要な成果:

• ECG-ASCVD-12は、検証コホート全体で一般化可能な識別能を示しました（C指数：0.684-0.746）。
• モデルは、従来のスコアで調整した後も、ASCVDリスクと独立して関連していました。
• シミュレーションされた展開により、ECG-ASCVDは既存のスコアのデータが不足している高リスク患者を特定できることが示されました。

結論:

• ECG-ASCVDツールキットは、多様な多国間コホート全体で開発および検証されました。
• 安静時心電図情報は、ASCVDリスクを予測するための大きな可能性を秘めています。
• ECG-ASCVDは、心血管疾患のより標的化されたスクリーニングとリスク因子評価を可能にします。