心肺蘇生中の自発循環の回復を判断するためのポイントオブケア超音波による頸動脈圧縮性の人工知能評価
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Artificial intelligence-based evaluation of carotid artery compressibility via point-of-care ultrasound in determining the return of spontaneous circulation during cardiopulmonary resuscitation.
雑誌名：Resuscitation. 2024 Sep; 202: 110302.
概 要：
本研究は、心肺蘇生中に頸動脈圧縮性（CAC）を定量化し、自発循環の回復（ROSC）を判断するための人工知能（AI）システム「RealCAC-Net」を紹介します。2022年から2023年にかけて韓国の救急科から得たデータを基にした前向き研究で、心停止の成人患者161例から11,958枚のトレーニング画像と134例から15,080枚のテスト画像を使用しました。RealCAC-Netは、画像処理を3つのステップで行い、ROSCの正確な識別を実現しました。
方 法：
この研究は、2022年から2023年にかけての韓国の救急科における前向き研究です。心停止の成人患者161例から得た11,958枚のトレーニング画像と134例からの15,080枚のテスト画像を使用し、AIモデルRealCAC-Netを用いて頸動脈圧縮性を評価しました。主要評価指標には、ダイス類似係数、IoU、精度、再現率、F1スコアが含まれます。
結 果：
RealCAC-Netは、頸動脈圧縮性測定アルゴリズムを適用し、交差検証でベースラインモデルよりも優れた性能を示しました。平均ダイス類似係数は0.90、IoUは0.84、分類精度は0.96でした。テストセットでも分類精度0.96、F1スコア0.97を達成し、心停止時のROSCの正確な識別における有効性を示しました。
結 論：
RealCAC-Netは、心肺蘇生中のROSC判断のための頸動脈圧縮性の正確な定量化を可能にしました。今後の研究では、このAI強化超音波アプローチを統合し、緊急医療を革新することが期待されます。