MEDICINE & AI

タイトル：Vision-language foundation model for echocardiogram interpretation 雑誌名：Nat Med. 2024 May;30(5):1481-1488. 概　要： 本研究では、心エコー図の解釈における人工知能モデルの性能向上を目指し、EchoCLIPというビジョン・ランゲージ基盤モデルを開発しました。このモデルは、心臓超音波画像と専門医の解釈との関係を学習し、1,032,975本の心臓超音波動画とそれに対応する専門テキストを用いて訓練されました。EchoCLIPは、個別の解釈タスクに対して明示的に訓練されていないにもかかわらず、心臓画像解釈の多様なベンチマークで良好な性能を示しました。心機能の評価や埋め込み型心臓デバイスの特定が可能であり、心エコー図の初期解釈における基盤モデルの理解と応用に向けた重要なステップを示しています。 方　法： 本研究は、1,032,975本の心臓超音波動画とそれに対応する専門テキストを用いた訓練に基づくモデル開発です。EchoCLIPは、心機能の予測（外部検証データセットにおける左室駆出率の平均絶対誤差は7.1%）や埋め込み型デバイスの特定（ペースメーカー、経皮的僧帽弁修復、人工大動脈弁に対するAUCはそれぞれ0.84、0.92、0.97）を行います。また、EchoCLIP-Rという長文コンテキストバリアントも開発し、複数の動画にわたるユニークな患者の特定（AUC 0.86）や臨床的移行の特定（心移植のAUC 0.79、心臓手術のAUC 0.77）を実現しました。 結　果： EchoCLIPは、心機能の評価において平均絶対誤差7.1%を達成し、埋め込み型デバイスの特定においてはAUCが0.84、0.92、0.97を記録しました。EchoCLIP-Rは、ユニークな患者の特定にAUC 0.86、心移植の特定にAUC 0.79、心臓手術の特定にAUC 0.77を達成しました。また、画像からテキストへの検索においても、候補テキストレポートの上位1%にランクインする能力を示しました。 結　論： EchoCLIPは、心エコー図の初期解釈における基盤モデルの理解と応用に向けた重要な進展を示し、心血管画像診断における新たな可能性を開くものです。