人工知能駆動型自動ストレイン解析による縦方向ストレインを用いた左室機能評価および心筋梗塞領域推定

科学分野:

• 心臓学;医用画像処理;人工知能

背景:

• 急性心筋梗塞（AMI）に対する心エコー検査は、主観的な解析のために左室（LV）機能不全および梗塞の正確な評価において課題に直面している。従来の心エコー検査のばらつきを克服するには、標準化された定量的手法が必要である。

研究 の 目的:

• AMIにおける心筋変形の標準化された定量化のための人工知能（AI）駆動型自動ストレインフレームワークを検証すること。AI由来のストレインパラメータと心筋傷害の臨床バイオマーカーとの相関を評価すること。

主な方法:

• 2Dスペックルトラッキング心エコー検査を用いた102例のAMI患者および90例の対照群のレトロスペクティブ分析。ResNet-18 AIモデルを、二重タスク学習によるグローバル/地域縦方向ストレイン（LPSS）定量化および梗塞局在化に採用した。トレーニングは、リアルタイムデータ拡張を用いた2段階最適化で実施された。統計解析では、ストレインと左室駆出率（LVEF）、心筋トロポニンT（cTnT）、STセグメント上昇との相関を評価した。

主要な成果:

• AI由来のグローバルLPSSはLVEF（r = -0.609、p < 0.001）と強く相関し、壁運動スコア指数を上回った。梗塞領域LPSSはcTnT（r = 0.671、p < 0.001）およびST上昇（r = 0.321、p = 0.001）と最も強い相関を示した。再現性はBland-Altman分析（内因性観察者間バイアス：0.7% ± 1.2%、観察者間：1.1% ± 3.1%）によって確認された。

結論:

• AI駆動型ストレイン解析は、AMIにおけるLV機能評価のための標準化されたアプローチを提供する。AIフレームワークは、傷害の酵素的および電気生理学的マーカーとの定量的相関を提供する。AIによる梗塞局在化および代償機構の検出は、AMI管理における臨床的意思決定をサポートする。