多様な左心室幾何学を持つ心筋症患者における自動化された駆出分画とリスク層別化
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Automated ejection fraction and risk stratification in cardiomyopathy patients with diverse LV geometry using 2D echocardiography
雑誌名：Sci Rep. 2025 Jul 01; 15(1): 22332.
概 要：
心筋症は左心室の幾何学（LVG）を変化させ、心機能を損なうことがあります。本研究では、心エコー画像から左心室駆出分画（LVEF）を推定する深層学習（DL）モデルを開発し、LVGの変動を考慮しながら予後因子を評価しました。心筋症患者120人を対象に、心エコーの2腔および4腔像を用いてLVの体積を計算し、シンプソン法でEFを算出しました。モデルは公的データで事前学習され、各LVGサブタイプにおける心臓死や心不全再入院の結果をロジスティック回帰とLASSO回帰で分析しました。
方 法：
この研究は、心筋症患者120人を対象にしたコホート研究です。患者は同心性肥大（CH）、偏心性肥大（EH）、同心性リモデリング（CR）、正常幾何（NG）に分類され、心エコー画像を用いてLVの体積を計算し、LVEFを推定しました。主要評価指標は、LVEF推定の平均絶対誤差4.70%およびBland-Altman分析によるAI予測と手動測定の平均バイアス0.95±4.53%です。
結 果：
モデルは高いLVセグメンテーション精度を達成し、全体のDice類似係数は90.07%、IoUは82.17%でした。サブグループ分析では、正常幾何で92.49%/86.34%、同心性リモデリングで88.91%/80.11%、同心性肥大で88.81%/80.23%、偏心性肥大で89.75%/81.59%の結果が得られました。フォローアップ中に20人が有害事象を経験し、LASSO回帰でLVEF、E/e'比、年齢が有意な予測因子として特定されました。
結 論：
このDLモデルは、多様なLVGサブタイプにおいて正確なLVEF推定を提供し、心筋症の臨床評価とリスク層別化のための幾何学特異的ツールとしての可能性を示しました。