MEDICINE & AI

タイトル：Towards Artificial Intelligence-Based Decision Support for Large-Scale Screening for Atrial Fibrillation 雑誌名：IEEE J Biomed Health Inform. 2025 Oct; 29(10): 7633-7642. 概　要： 心房細動は一般的な心拍の不整であり、脳卒中や心不全、死亡リスクを大幅に増加させます。特に無症状や発作性の段階での早期発見が効果的な介入に不可欠です。本研究では、深層ニューラルネットワークを用いた簡易ECGスクリーニングの適用を探求し、心房細動の人口全体での検出を強化します。7295人の65歳以上の被験者を対象に、MyDiagnostickという携帯型デバイスを使用して大規模なECGデータを取得しました。自動診断により、データセット内で心房細動の有病率は6.08%でした。12誘導ECGデータを用いた心拍不整の検出において、検証済みの深層ニューラルネットワークモデルを使用してデータを分析しました。また、説明可能な人工知能の能力を調査し、心房細動を示すECGセグメントを強調することで、心臓専門医への診断支援を提供する重要性を強調します。 方　法： 本研究は、65歳以上の7295人の被験者を対象にした臨床試験で、MyDiagnostickを用いて大規模なECGデータを収集しました。深層ニューラルネットワークモデルを使用して、12誘導ECGデータから特徴抽出と心房細動の検出を行いました。主要評価指標は、F1スコアであり、深層ニューラルネットワークは86%を達成しました。 結　果： 深層ニューラルネットワークによる心房細動の検出は、F1スコア86%を達成し、自動ECGスティック分析の81%を上回りました。また、重みを99%削減しながらも精度の大幅な低下なく、ウェアラブル技術への統合の可能性を示しました。 結　論： 深層ニューラルネットワークは心房細動の検出において高い有効性を示し、早期診断と継続的モニタリングのための強力なツールとしての統合が期待されます。説明可能な人工知能を活用することで、医療アプリケーションにおける解釈可能性の重要性が強調されました。