ウェアラブルECGおよび加速度計データを使用した姿勢性起立不耐症患者の深層学習ベース分類

科学分野:

• 心臓病学
• 自律神経科学
• 生物医学工学

背景:

• 起立性頻脈症候群（POTS）は、起立不耐症を引き起こす複雑な自律神経障害です。
• 現在の診断方法（例：チルトテーブルテスト）には、不快感や実際の症状の変動を捉えられないなどの限界があります。
• POTSの客観的で非侵襲的かつスケーラブルな診断ツールの必要性が存在します。

研究 の 目的:

• POTS患者における連続的な生理学的データ収集のためのウェアラブルデバイスの有用性を調査すること。
• ウェアラブルセンサーデータを使用してPOTS患者と健康な対照群を区別するための深層学習モデルを開発および評価すること。
• 日常活動におけるPOTSのAI駆動型診断の可能性を探求すること。

主な方法:

• 日常生活中のウェアラブルデバイスを使用した心電図（ECG）および加速度計（ACC）データの連続収集。
• 姿勢変化に関連する生理学的特徴の特定と処理。
• POTS患者および健康な対照群から収集された生理学的データを用いた深層学習モデルのトレーニングとテスト。

主要な成果:

• 深層学習モデルは、POTS患者と健康な対照群を区別する上で有望な精度を示しました。
• モデルは、ECGおよびACCデータを効果的に利用して、POTSに関連する生理学的パターンを特定しました。
• パイロットコホートにおいて、POTS診断のためのウェアラブル技術とAIを使用する実現可能性が確立されました。

結論:

• ウェアラブルセンサーと深層学習を組み合わせることで、POTS診断のための潜在的な非侵襲的アプローチが提供されます。
• この技術は、従来の診断方法を補完し、早期検出を促進する可能性があります。
• 臨床的意思決定支援のためのモデルの堅牢性を高めるために、より大規模で多様なコホートによるさらなる検証が推奨されます。