MEDICINE & AI

タイトル：IoMT-Blockchain framework for secure and real-time heart disease monitoring using hybrid black-winged optimized spherical structural graph convolutional neural networks. 雑誌名：Scientific Reports. 2026 Jun 11; doi: 10.1038/s41598-026-57620-0. 概　要： 心血管疾患は世界的な健康問題であり、早期発見と予防のためには継続的なモニタリングと正確な診断メカニズムが必要です。本研究では、IoMT、深層学習、ブロックチェーン技術を統合した心疾患モニタリングシステムを提案します。このシステムは、ノイズの影響を受けにくく、特徴抽出の効率を高め、分類精度を向上させ、分散環境におけるセキュリティを強化することを目的としています。提案されたフレームワークは、ECGおよびPCG信号の取得から始まり、ノイズを抑制しながら重要な心臓構造を保持する前処理を行います。信号の分解、特徴抽出、次に心疾患の分類を行い、データの整合性とセキュリティを向上させるためにブロックチェーン技術を統合しています。 方　法： 本研究は、IoMTを用いたECGおよびPCG信号の取得を基にしたフレームワークを提案します。信号は、準交差双方向フィルタリング（QCBF）を用いて前処理され、スペクトルエンベロープベースの適応経験的フーリエ分解（SE-AEFD）を用いて分解されます。特徴抽出には短時間四元数二次位相フーリエ変換（ST-QQPFT）が使用され、成功に基づく最適化アルゴリズム（SBOA）で次元削減が行われます。心疾患の分類にはハイブリッド構造グラフアテンションネットワークと球状畳み込みニューラルネットワーク（HS-GAT-SCNN）が用いられ、ブラックウイングカイトアルゴリズム（BWKA）で強化されます。データの整合性とセキュリティを向上させるために、適応ハッシュアルゴリズムとフェアコンセンサスブロックチェーンが統合されています。 結　果： 提案されたモデルは、PhysioNet心臓信号データセットやクリーブランド心疾患データセットを用いて評価され、99.21%の精度、98.94%の感度、99.08%の特異度、99.02%のF1スコアを達成しました。これにより、提案されたフレームワークがIoMT対応の医療システムにおける心疾患モニタリングのための高精度でスケーラブルな解決策を提供することが確認されました。 結　論： 提案されたIoMTおよびブロックチェーンに基づく心疾患モニタリングシステムは、高い精度とセキュリティを兼ね備えたリアルタイムの心疾患評価を可能にし、医療情報の管理における新たな可能性を示しています。