1Dおよび2D ECGデータを用いた心拍不整脈検出のための改良型マルチモーダルGradCAM手法
カテゴリ：診断支援・画像解析
公開日：2026年6月8日
タイトル：MM-GradCAM: an improved multimodal GradCAM method with 1D and 2D ECG data for detection of cardiac arrhythmia
雑誌名：Sci Rep. 2026 Feb 09; 16(1): doi: 10.1038/s41598-026-38654-w.
概 要：
心拍不整脈は世界的な死亡原因の一つであり、その早期かつ正確な診断が患者の転帰改善に重要です。本研究では、1D ECG信号と2D ECG画像データを組み合わせた新しいMM-GradCAM手法を提案し、深層学習を用いた自動ECG解釈の説明可能性を向上させます。10,000人以上の患者から得たデータセットを用いて、4クラスの心拍不整脈を検出する17層のCNNモデルを開発し、各データ形式に対する説明可能性を評価しました。信号形式で93.07%、画像形式で97.44%の精度を達成しました。この手法は、医療診断における説明可能性の先駆的アプローチとして、医療AIの信頼性と透明性を高める可能性があります。
方 法：
この研究は、10,000人以上の患者を対象にしたコホート研究です。1D ECG信号と2D ECG画像データを用いて、4クラスの心拍不整脈を検出するための17層CNNモデルを開発しました。主要評価指標は、信号形式での精度93.07%、画像形式での精度97.44%です。
結 果：
信号形式のモデルは93.07%の精度を達成し、画像形式のモデルは97.44%の精度を達成しました。これらの結果は、心臓専門医によって評価され、モデルの解釈可能性と臨床的意義が確認されました。
結 論：
MM-GradCAMは、心拍不整脈の診断における説明可能性を高める先駆的手法であり、医療AIアプリケーションにおける信頼性と透明性を向上させる可能性があります。