個別化された人工知能による左心室駆出率と収縮機能不全の評価
カテゴリ：医療現場の業務効率化
公開日：2026年4月9日
タイトル：Personalized artificial intelligence based left ventricular ejection fraction and systolic dysfunction assessment
雑誌名：NPJ Digit Med. 2026 Apr 08; doi: 10.1038/s41746-026-02462-3.
概 要：
左心室駆出率（LVEF）は心機能の基本的な指標ですが、通常は心エコー検査などのリソース集約的な画像技術で評価されます。本研究では、心電図（ECG）を代替手段として用い、191,941人の患者から236,623のECG/TTEペアを分析しました。ECGデータのみまたは構造化特徴を用いて、LVEFを推定するための畳み込みおよび確率的ニューラルネットワークモデルを開発しました。個別化モデルにより、性能が大幅に向上しました。
方 法：
本研究は、191,941人の患者を対象にした大規模コホート研究です。ECGデータを用いてLVEFを推定するために、畳み込みニューラルネットワークと確率的ニューラルネットワークモデルを開発しました。主要評価指標は、平均絶対誤差（MAE）とルート平均二乗誤差（RMSE）で、個別化モデルではMAEが5.98%（ECGのみ）および6.75%（ハイブリッド）でした。
結 果：
ECGのみのモデルはMAE 7.71%、RMSE 10.36%を達成し、ハイブリッドモデルはMAE 7.84%、RMSE 10.52%でした。個別化モデルでは、LVEFが40%以下の左心室収縮機能不全をAUC 0.88、感度0.92、陰性予測値0.98で特定しました。
結 論：
提案されたモデルは、LVEFの推定と左心室収縮機能不全のスクリーニングにおいて優れた性能を示しました。これにより、心機能評価の新たな手法としての可能性が示唆されます。