高血圧患者における左室肥大の非侵襲的検出のための単誘導心電図ベースの機械学習モデル

科学分野:

• 心臓病学
• 生体医工学
• ヘルスケアにおける機械学習

背景:

• 左室肥大（LVH）の分類は、左室相対壁厚に依存します。
• 機械学習（ML）モデルは、基本的な臨床データと単誘導心電図特徴を用いてLVHを検出できます。
• 本研究は、既存の心血管疾患のない高血圧集団に焦点を当てました。

研究 の 目的:

• 高血圧患者における左室肥大（LVH）を検出すること。
• LVH検出のための臨床パラメータと単誘導心電図特徴の予測力を分析すること。
• ランダムフォレスト、ロジスティック回帰、畳み込みニューラルネットワークモデルのパフォーマンスを比較すること。

主な方法:

• 心血管疾患のない高血圧患者812名を登録しました。
• 被験者をLVMiとRWTに基づいて、非LVH（正常な形状、同心性リモデリング）群とLVH（同心性、偏心性肥大）群に分類しました。
• 分類のためにランダムフォレストモデルをトレーニングし、SHAPを用いて特徴の重要性を分析しました。

主要な成果:

• ランダムフォレストモデルは、LVHと非LVHを区別するためにROC/AUC 0.82を達成しました。
• 閾値0.3での特異度は81%、感度は58%でした。
• 重要な予測因子には、年齢、補正QT間隔、T波持続時間、女性が含まれていました。

結論:

• 単誘導心電図分析と臨床データを組み合わせることで、LVH検出において高いパフォーマンスを示します。
• 補正QT間隔とT波の形態は、LVH識別のための主要な心電図特徴です。
• これらの発見は、ウェアラブルデバイスにおけるLVHのような状態の非侵襲的ECGスクリーニングの統合を支持します。