MEDICINE & AI

タイトル：A new ensemble heart attack diagnosis (EHAD) model using artificial intelligence techniques 雑誌名：Sci Rep. 2025 Sep 15; 15(1): 32531. 概　要： 心筋梗塞は世界的な死亡原因の一つであり、迅速かつ正確な診断が患者の転帰を改善するために重要です。本研究では、アンサンブル分類技術（ECT）に基づく新しいハイブリッド診断アプローチであるアンサンブル心筋梗塞診断モデル（EHAD）を提案します。ECTは、サポートベクターマシン（SVM）、長短期記憶（LSTM）、人工ニューラルネットワーク（ANN）の3つの主要分類器を統合し、過半数投票（MV）技術を用いて正確かつ迅速な最終決定を行います。シミュレーション結果は、EHADが他のモデルに対してリコール、精度、F1スコア、正確性などの多くの指標で優れていることを示しました。 方　法： 本研究は、アンサンブル分類技術（ECT）を用いたハイブリッド診断モデルの開発に関するもので、サポートベクターマシン（SVM）、長短期記憶（LSTM）、人工ニューラルネットワーク（ANN）の3つの分類器を統合しています。主要評価指標にはリコール、精度、F1スコア、正確性が含まれ、シミュレーションを通じてモデルの性能を評価しました。 結　果： EHADモデルは、リコール、精度、F1スコア、正確性などの指標において、他の関連モデルを上回る性能を示しました。具体的な数値は示されていませんが、統計分析においても優れた結果を得ています。 結　論： EHADモデルは、心筋梗塞の診断において他の手法よりも優れた結果を提供することが示され、今後の診断技術の改善に寄与する可能性があります。