正常な心電図に見える重度冠動脈狭窄のスクリーニングに関する深層学習の応用
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Screening for severe coronary stenosis in patients with apparently normal electrocardiograms based on deep learning.
雑誌名：BMC Med Inform Decis Mak. 2024 Nov 22; 24(1): 355.
概 要：
重度の冠動脈狭窄を有する患者は、正常な心電図（ECG）を示すことがあり、定期的なスクリーニングや身体検査での健康状態の検出が困難です。この研究では、正常なECGを持つ患者において、重度冠動脈狭窄と無または軽度の狭窄を区別するモデルを開発しました。392人の患者（重度狭窄138人）を対象に、深層学習モデルを訓練し、ECGデータと臨床情報を組み合わせて評価しました。
方 法：
392人の患者を対象にした研究で、138人が重度の冠動脈狭窄を有していました。深層学習モデルは、ECGデータのみならず、年齢、性別、高血圧、糖尿病、脂質異常、喫煙状況などの臨床情報を組み合わせて訓練されました。
結 果：
ECGデータのみを用いて訓練した深層学習モデルは、特異度74.6%、感度54.5%を達成しました。臨床情報を追加すると感度は90.9%に向上しましたが、特異度は42.3%に低下しました。最良の性能は、臨床情報とECGの転移学習モデルを組み合わせた結果、AUCが0.847、感度84.8%、特異度70.4%を達成しました。
結 論：
深層学習モデルは、正常なECGを持つ患者における重度冠動脈狭窄の特定に効果的であることが示されました。転移学習技術を用いることで、ECGの本質的な情報を低コストで抽出できる効率的なアプローチが検証されました。