心電図から左室肥大を予測する深層学習 | JoVE Visualize

科学分野:

心臓病学
人工知能
医用画像処理

背景:

左室肥大（LVH）は心血管疾患の重要な予測因子です。
ECGおよび臨床データを用いたLVH分類のための以前の教師あり機械学習モデルは、AUROC 0.85を達成しましたが、外部検証が必要でした。
予測モデルの一般化可能性を評価するためには、外部検証が不可欠です。

研究の目的:

心臓MRI（CMR）から得られたLVHの分類を改善するための深層学習（DL）モデルを開発すること。
Study of Health in Pomerania（SHIP）コホートにおいてDLモデルの外部評価を行うこと。
LVH予測のためのDLベースのECGスクリーニングツールの実現可能性を評価すること。

主な方法:

48,835人の英国バイオバンク参加者から得られた12誘導心電図と臨床変数を使用して、完全畳み込みネットワークDLモデルを開発しました。
モデルは左室重量指数（iLVM）を予測し、ロジスティック回帰を再較正に使用しました。
パフォーマンスは、トレーニング、検証、およびテストセットにおける受信者操作特性曲線下面積（AUROC）を用いて評価され、SHIPコホートで外部評価されました。

主要な成果:

DLモデルは、英国バイオバンクコホートにおいてAUROC 0.97を達成し、従来の方法を大幅に上回りました。ECGにおけるQRS複合体と心室レートがLVHの主要な予測因子であることが特定されました。DLモデルは、SHIPコホートにおいて中程度の一般化可能性（AUROC 0.78）を示しましたが、その変動は臨床プロファイル、ECG取得、およびCMRラベリングに起因すると考えられます。

結論:

ECGからのLVH予測のためのスケーラブルなDLベースのスクリーニングツールの実現可能性はあります。
一般化可能性を高めるためには、より大規模で多様なデータセットを用いたさらなるモデル開発が必要です。
コホート特性とデータ取得の違いは、異なる集団間でのモデルパフォーマンスに影響を与えます。