人工知能を用いた救急科における閉塞性心筋梗塞の予測

科学分野:

• 心臓病学
• 医用人工知能
• 救急医学

背景:

• 急性冠閉塞性心筋梗塞（OMI）は、迅速な診断と介入を必要とする重篤な状態です。
• 心電図（ECG）などの現在の診断基準では、OMI症例のかなりの割合が見逃される可能性があります。
• OMIに対する適時な介入はしばしば遅延し、患者の予後不良に寄与しています。

研究 の 目的:

• 胸痛を呈する救急科（ED）患者におけるOMIを予測するための人工知能（AI）モデルを開発および検証すること。
• 心電図（ECG）、病歴、初期の検査値を含む、容易に入手可能なED初期評価データを利用すること。
• AIモデルの性能を確立されたSTEMI基準と比較すること。

主な方法:

• 5つのスウェーデンの病院にわたる胸痛を持つ成人ED患者24,511人のデータを使用して、深層学習AIモデルが開発されました。
• OMI症例は、登録データおよびカルテレビューを通じて特定されました。STEMI症例でEDをバイパスしたものは除外されました。
• AIモデルは、ECGデータ、またはオプションで他のED初期情報と組み合わせてトレーニングされ、内部的に検証されました。

主要な成果:

• AIモデルは、OMI予測において95.3%の高いROC曲線下面積（AUC）を達成しました。
• 特異度97.4%において、AIモデルはSTEMI基準の感度27%を大幅に上回る62%の感度を示しました。
• 特定されたOMI症例のわずか5.4%が適時な血管造影を受け、現在のケアパスにおける重大なギャップが浮き彫りになりました。

結論:

• 開発されたAIモデルは、EDの胸痛患者におけるOMIの特定において優れた性能を示し、感度においてSTEMI基準を上回っています。
• このAIモデルの実装は、診断を迅速化し、OMIの介入開始の遅延を削減する可能性があります。
• この発見は、OMI治療における現在の遅延に対処することにより、患者の転帰を改善する可能性を示唆しています。