Wolff-Parkinson-White症候群：異なるアルゴリズムの比較

科学分野:

• 心臓病学
• 医用画像
• 人工知能

背景:

• Wolff-Parkinson-White（WPW）症候群は、通常の心伝導を迂回する副伝導路を特徴とします。
• これらの経路の正確な術前局在は、効果的なアブレーション、合併症の軽減、および放射線被ばくの最小化に不可欠です。

研究 の 目的:

• WPW症候群における副伝導路局在のための心電図ベースのアルゴリズムを体系的にレビューおよび分析すること。
• 古典的、最新のルールベース、および深層学習（DL）アプローチの診断性能を比較すること。

主な方法:

• 副伝導路局在のための心電図ベースのアルゴリズムの体系的なレビュー。
• ルールベースアルゴリズム（例：EASY-WPW、SMART-WPW）およびDLモデルの分析。
• 古典的な方法に対する精度、感度、および特異度の比較。

主要な成果:

• 古典的なアルゴリズムは変動する精度（72％-92％）を示しました。
• 最新のルールベースアルゴリズム（EASY-WPW、SMART-WPW）は、優れた感度と特異度（>90％）で高い精度（93％-97％）を達成しました。
• DLアプローチは84％の精度（AUROC 0.92）を示し、古典的なアルゴリズムを上回り、ばらつきを減らした自動分析を可能にしました。

結論:

• 検証された心電図アルゴリズムとDLモデルは、WPW症候群における術前計画に有用です。
• 最新のルールベースアルゴリズムは、90％を超える感度と特異度で優れた診断精度を提供します。
• AIの統合と多峰性戦略は、副伝導路局在の精度をさらに向上させると予想されます。