心臓CT由来の左室重量の計算による自動推定：性別特異的12誘導ECGベースのテンポラル畳み込みネットワーク

科学分野:

• 心臓病学
• 人工知能
• 医用画像

背景:

• 左室重量（LVM）は心血管系の健康状態の重要な指標です。
• 正確なLVM推定は、心疾患の診断と管理に不可欠です。
• 現在、非侵襲的なLVM評価法には限界があります。

研究 の 目的:

• 12誘導ECGを使用したLVM推定のためのディープラーニングモデルeLVMass-Netを導入すること。
• eLVMass-Netのパフォーマンスを最先端の方法と比較して評価すること。
• LVM推定と左室肥大（LVH）分類の改善のための性別特異的モデルの有用性を調査すること。

主な方法:

• TW-CVAIデータセット（n=1459）からの生ECG信号、人口統計データ、およびECGパラメータを使用してeLVMass-Netを開発しました。
• テンポラル畳み込みネットワーク（TCN）で同期単一心拍波形を処理しました。
• NTUHデータセット（n=2579）で外部検証し、性別特異的バリエーションを含む2つの最先端モデルと比較しました。

主要な成果:

• 非性別特異的eLVMass-Netは、5分割交差検証により、MAE 14.3 ± 0.7gおよびMAPE 12.9 ± 1.1%を達成しました。
• eLVMass-Netは、LVM推定とLVH分類の両方で最先端モデルを上回りました。
• 性別特異的モデルは、非性別特異的モデル（0.70）と比較して、優れたLVH分類（c統計量：男性0.77、女性0.75）を示しました。

結論:

• 同期単一心拍抽出とTCNを備えたeLVMass-Netは、以前のECGベースのLVM推定方法を上回っています。
• 性別特異的モデルの開発は、診断精度の向上に向けた合理的かつ効果的なアプローチです。
• モデルのサルエンシーマップは、LVM予測におけるST-Tセグメントにおける性別特異的な特徴量重み付けを示しました。