小児および先天性心疾患における深層学習ベースの自動心エコー測定

科学分野:

• 心臓病学
• 人工知能
• 医用画像処理

背景:

• 心エコー検査（エコー）は小児循環器学において不可欠ですが、特に地方や資源の乏しい地域では、世界的に専門家の解釈者が不足しています。
• 小児および先天性心疾患（CHD）のエコー測定に関する現在のAIは未発達であり、専門家レベルの精度と標準化を制限しています。

研究 の 目的:

• 小児心エコー検査における包括的な自動測定のためのAIプラットフォームであるEchoFocus-Measureを開発および検証すること。
• 多様な患者集団および先天性心疾患にわたるプラットフォームの精度と信頼性を評価すること。

主な方法:

• マルチタスク、ビュー非依存アーキテクチャ（PanEcho）とスタディレベルトランスフォーマーを使用したAIプラットフォームEchoFocus-Measureを開発しました。
• ボストン小児病院（BCH）の217,435件のエコー検査でプラットフォームをトレーニングおよび内部テストし、3,096件の紹介スタディで外部検証しました。
• 左室駆出率（LVEF）などの定量的パラメータと定性的評価に基づいてパフォーマンスを評価し、人間のばらつきと比較しました。

主要な成果:

• EchoFocus-Measureは、内部で2.8%、外部で3.8%の中央絶対誤差（MAE）で、LVEFに対して高い精度を達成しました。
• このプラットフォームは、乳児（MAE 3.2%）および複雑なCHD（例：Lループ転位MAE 4.0%）全体で精度を維持し、以前のベンチマークを上回りました。
• 定性評価では、強力な内部パフォーマンス（AUROC 0.88-0.95）と中程度の外部パフォーマンス（AUROC 0.73-0.86）が示されました。

結論:

• EchoFocus-Measureは、多様な状態を持つ小児患者に対して、迅速で信頼性の高い自動心エコー測定を提供します。
• このAIプラットフォームは、質の高い小児心血管ケアへのスケーラブルでグローバルなアクセスを提供する可能性を示しています。
• 説明可能性分析により、モデルが正確な測定のために臨床的に関連性の高いエコービューに焦点を当てていることが確認されました。