心電図に基づく機械学習アルゴリズムの開発と検証：集団レベルでの心血管診断
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Development and validation of machine learning algorithms based on electrocardiograms for cardiovascular diagnoses at the population level.
雑誌名：NPJ Digit Med. 2024 May 18; 7(1): 133. doi: 10.1038/s41746-024-01130-8.
概 要：
本研究は、心電図（ECG）を用いた人工知能（AI）アルゴリズムの開発と検証を行い、心血管（CV）疾患の早期発見を目指しています。特に、従来のECG測定や専門家の解釈に依存しない疾患の同時予測を行うモデルを構築しました。カナダ・アルバータ州の84の救急部門または病院で、2007年2月から2020年4月までに12誘導ECGを受けた244,077人の成人患者から得られた1,605,268件のECGを用いて、15種類のCV診断を対象としました。結果として、ECGに基づく予測モデルは、一般的なCV疾患の診断において良好な予測性能を示しました。
方 法：
本研究は、244,077人の成人患者を対象とした回顧的研究です。使用したデータは、2007年2月から2020年4月までにカナダ・アルバータ州の84の病院で取得された1,605,268件のECGです。心血管疾患の診断には、ResNetに基づく深層学習（DL）と、ECG測定を用いた極端勾配ブースティング（XGB）を採用しました。主要評価指標は、受信者動作特性曲線下面積（AUROC）です。
結 果：
DLモデルは、97,631人の患者の最初のECGで評価した結果、3つのCV疾患（肺塞栓症、上室性頻拍、不安定狭心症）でAUROCが80%未満、8つのCV疾患（心停止、NSTEMI、心室頻拍、僧帽弁逸脱、肺高血圧、大動脈狭窄、心房細動、心不全）で80-90%、4つの診断（房室ブロック、肥大型心筋症、僧帽弁狭窄、ST上昇心筋梗塞）で90%以上を達成しました。DLモデルは、XGBモデルよりも平均約5%高いAUROCを示しました。
結 論：
ECGに基づく予測モデルは、一般的な心血管疾患の診断において良好から優れた予測性能を示し、心電図を用いた診断の新たな可能性を示唆しています。