BEHRTとBERTopicを用いた心房細動・心房粗動の予測および併存疾患パターンの特定

科学分野:

• 心臓病学; 人工知能; 公衆衛生

背景:

• 心房細動・心房粗動は、他の慢性疾患としばしば併存する複雑な心臓不整脈障害です。; 効果的な管理にはケアの最適化が必要であり、予防的かつ個別化されたヘルスケア戦略の必要性が強調されています。; 診断前の併存疾患パターンの理解は、早期介入のために不可欠です。

研究 の 目的:

• 人口ベースのデータセットを用いて、心房細動・心房粗動前の併存疾患パターンを分析すること。; 心房細動・心房粗動を予測するためのAI駆動型モデル（BEHRT）を開発・評価すること。; BERTopicを用いて、心房細動・心房粗動に関連する性別特異的な併存疾患パターンを特定すること。

主な方法:

• ネストされた症例対照研究で、韓国国民健康保険公団のデータ（2002-2019年）を利用しました。; Transformerベースのモデル（BEHRT）は、5年間の疾患歴を用いて心房細動・心房粗動を予測しました。; BERTopicは、600,030人の参加者（8,661人の症例、591,369人の対照）における性別特異的な併存疾患パターンを特定しました。

主要な成果:

• BEHRTは心房細動・心房粗動の予測においてAUC 0.80を達成しました。; 男性は腹部大動脈瘤、高血圧性心疾患、COPDを示し、女性はアルツハイマー病、パーキンソン病、リウマチ性心疾患を示す、性別特異的な併存疾患パターンが特定されました。; 統合AIアプローチは、併存疾患の既往歴に基づいて心房細動・心房粗動を効果的に予測しました。

結論:

• BEHRTとBERTopicの統合は、心房細動・心房粗動を効果的に予測し、ユニークな性別特異的な疾患関連性を明らかにします。; これらの発見は、個別化医療の強化における人工知能の可能性を示しています。; AI駆動型の洞察は、心房細動・心房粗動のような慢性疾患の予防および管理戦略を最適化できます。