人工知能による心電図モデルの開発とマルチセンターの検証は,Fallotの修復テトラロジーにおける心室リモデリングのためのものです
Son Q Duong1,2,3, Akhil Vaid2,4, Pengfei Jiang5,6
1Department of Pediatrics (Cardiology), Icahn School of Medicine at Mount Sinai, 1468 Madison Ave, Annenberg 3rd Fl, New York, NY 10029, USA.
European heart journal. Digital health
|February 16, 2026
まとめ
人工知能 (AI) による心電図 (ECG) バイオマーカーは,Fallot (TOF) 患者の修復テトラロジーにおける有害な心室リモデリングを特定し,潜在的に心筋MRI (CMR) の必要性を減らすことができます. このAI-ECGツールは,先天性心疾患のケアにおける高度なイメージングの決定を導くために有望であることを示しています.
科学分野:
- 心臓病学 心臓病学
- メディカルイマージング (医学イメージング)
- 人工知能 (AI) とは,人工知能 (AI) のことです.
背景:
- 定期的な心筋MRI (CMR) は,修復されたフォロト四重法 (TOF) で心室リモデリングのモニタリングに不可欠です.
- CMRへのアクセスは限られており,患者の従順性はしばしば乏しく,定期的なモニタリングを妨げています.
- 先進的なイメージングを必要とする患者を特定するために,非侵襲的バイオマーカーの必要性があります.
研究 の 目的:
- 12導電心電図 (ECG) データを用いた人工知能 (AI) バイオマーカーの開発と検証.
- CMRによって定量化された,修復されたTOF患者における有害なビバントリキュラーリモデリングを特定する.
- 不必要なCMRスキャンを減らすためのスクリーニングツールとしてAI-ECGバイオマーカーのパフォーマンスを評価する.
主な方法:
- ECGとCMRデータをペアリングした北米の6つのコホート (1,564人の患者) の遡及分析.
- 2以上のTOF特異的なCMR異常の複合結果を検出するためのAIバイオマーカーの開発.
- モデルの差別評価 (AUROC),校正,スクリーニングの純利益.
主要な成果:
- AI-ECGバイオマーカーは,外部検証でAUROC0.85を達成しました.
- 0.25のスクリーニング値では,感度が92%で,陰性予測値は87%で,13%少ないCMRスキャンを特定しました.
- 性能の変動は,異なるサイトで観察され,校正の必要性を強調しました.
結論:
- 人工知能によるECGの分析は,修復されたTOFにおける心室の再構築を効果的に特定し,高度なイメージングの必要性を告げる.
- 外部検証では,AI-ECGを先天性心疾患で臨床実施および規制承認に関する考慮事項を強調し,性能の変動を示しています.
