右室機能の人工知能支援心エコー検査評価

科学分野:

• 心臓病学
• 人工知能
• 医用画像処理

背景:

• 右室（RV）機能は心血管系の健康にとって非常に重要ですが、その複雑な解剖学的構造と位置のため、心エコー検査による評価は困難です。
• RV機能評価における限られた観察者間再現性は、正確な評価を妨げます。

研究 の 目的:

• 心エコー検査ビデオからのRV自動セグメンテーションおよびRV分数面積変化（RVFAC）推定のための新しい深層学習モデル、EchoNet-RVを開発すること。
• 多様なデータセットで専門家によるアノテーションおよび既存モデルと比較してEchoNet-RVのパフォーマンスを評価すること。

主な方法:

• 7,169件のエキスパートアノテーション付き心尖部4腔断面（A4C）心エコー検査ビデオでEchoNet-RVをトレーニングしました。
• 内部（1,320ビデオ）および2つの国際外部テストセット（3,107および1,077ビデオ）でモデルを検証しました。
• 予測RVFACと臨床転帰（心不全入院または全死因死亡）との関連を評価しました。

主要な成果:

• EchoNet-RVは、RVセグメンテーションで高いダイス係数（0.788-0.893）、RVFAC推定で低い平均絶対誤差（5.795-6.362パーセントポイント）を達成しました。
• 予測誤差は、観察者間変動よりも有意に低かった（p<0.001）。
• モデルは、RV機能不全の特定において強力なパフォーマンスを示し（AUC 0.684-0.859）、2つのマルチタスクモデルを上回りました。

結論:

• EchoNet-RVは、観察者間変動を超えるパフォーマンスで、迅速かつ自動的なRVFAC評価を提供します。
• このモデルは、臨床現場でのRV機能評価および疾患サーベイランスのための貴重なツールとして大きな可能性を示しています。
• 予測RVFAC値は、有害な臨床転帰と逆相関しており、予後的価値を強調しています。