深層学習を用いた英国バイオバンクにおける安静時心電図および表形式データからの左房容積パラメータの予測

科学分野:

• 心臓病学
• 人工知能
• 医用画像処理

背景:

• 左房（LA）容積は、心血管系の健康状態の重要な指標である。
• 磁気共鳴画像法（MRI）はLA容積測定のゴールドスタンダードであるが、高価で広く利用可能ではない。
• LA容積評価のためのスケーラブルで低コストな方法の必要性が存在する。

研究 の 目的:

• 左房（LA）容積を予測するための深層学習モデルを開発および検証すること。
• 標準的な12誘導心電図（ECG）記録および基本的な患者データを入力として利用すること。
• MRIベースのLA容積定量化に代わる、解釈可能で費用対効果の高い方法を提供すること。

主な方法:

• 深層学習モデルは、LA容積ターゲットに対する回帰を実行するように訓練された。
• モデルは、標準的な12誘導心電図データおよび基本的な患者人口統計（例：体重、身長）を組み込んだ。
• Shapley値は、特徴量の重要性を解釈し、モデルの予測を理解するために採用された。

主要な成果:

• 深層学習モデルは、心電図と患者データからLA容積を正確に予測した。
• 心電図信号は、LA容積の重要な予測因子として特定された。
• 体重や身長などの患者の特徴は、容積推定に意味のある貢献をすることがわかった。

結論:

• 深層学習モデルは、容易に入手可能な心電図および患者データを使用して、左房（LA）容積を効果的に予測できる。
• このアプローチは、LA容積評価のためのMRIに代わる、スケーラブルで低コストな代替法を提示する。
• Shapley値によるモデルの解釈可能性は、臨床的な信頼と理解を高める。