心臓手術後の心房細動予測因子としてのAIベースの心電図モデル：後ろ向きコホート研究
カテゴリ：手術支援
公開日：2025年11月11日
タイトル：Artificial Intelligence-Based Electrocardiogram Model as a Predictor of Postoperative Atrial Fibrillation Following Cardiac Surgery: Retrospective Cohort Study
雑誌名：J Med Internet Res. 2025 Nov 10; 27: e77164. doi: 10.2196/77164. Epub 2025 Nov 10.
概 要：
心臓手術後の心房細動（AF）は一般的で、臨床的および経済的影響が大きいですが、予防策は最適ではありません。本研究では、AIを用いた心電図（ECG）モデルが心房細動の予測に役立つかを検討しました。2266人の患者を対象に、AI-ECG-AFモデルが独立したリスク因子として機能するか、既存の予測ツールと比較し、その付加価値を評価しました。AI-ECG-AFモデルは、心房細動のリスクを高めることが示され、従来のスコアと組み合わせることで予測精度が向上しました。
方 法：
この研究は、2018年12月から2023年12月までに韓国の三次医療機関で心臓手術を受けた2266人の患者を対象とした後ろ向きコホート研究です。AI-ECG-AFモデルは、405万件の非AF心電図を用いて訓練され、テストセットでAUROC 0.901を達成しました。手術後30日以内にECGで記録されたAFを手術後のAFと定義し、多変量ロジスティック回帰を用いてAI-ECG-AFモデルスコアとAFの関連を評価しました。
結 果：
AI-ECG-AFモデルスコアが10%増加するごとに、手術後のAFの発生オッズが1.197から1.209倍増加することが示されました。既存のAF予測スコアのAUROCは0.643でしたが、AI-ECG-AFモデルスコアを加えることで0.680に向上し、他のリスク因子と組み合わせることで0.710に達しました。
結 論：
AI-ECG-AFモデルは、心臓手術後のAFに対する新たな独立したリスク因子であり、既存の予測ツールと組み合わせることで予測精度が向上します。このモデルは、従来のスコアでは反映されない心房の電気生理学的脆弱性を捉え、手術前のリスク層別化において非侵襲的バイオマーカーとして機能する可能性があります。