ログイン・会員登録

会員の方

ID・パスワードをお持ちの方は、
こちらからログインください。

パスワードをお忘れの方はこちら

認証キーの承認をされる方はこちら

2016年1月より会員IDがメールアドレスに統一されました。

会員登録されていない方

会員限定コンテンツのご利用には、会員登録が必要です。

新規会員登録

サイトマップお問合わせ

  • 新規会員登録
  • ログイン

2022/02

肺塞栓症スクリーニングに有用な機械学習モデルを開発
心電図の生データ利用で特異度が上昇

AI Model May Aid Screening for Acute Pulmonary Embolism

心電図(ECG)波形の生データと臨床データを利用した機械学習モデルにより、肺塞栓症(PE)の予測精度を向上できるという研究結果が「European Heart Journal-Digital Health」に2021年11月25日掲載された。

PEスクリーニングのための臨床スコアは複数提唱されているが、いずれも特異性に乏しく、医療現場では確定診断のために肺動脈造影CT(CTPA)が過剰使用されている。そこで米マウントサイナイ医科大学のSulaiman S. Somani氏らは、ECG波形と臨床データを用いたPEスクリーニングのための機械学習モデルを開発した。

開発に用いたのは、PEが疑われた患者2万1,183人のCTPA 2万3,793件(うちPE陽性は10%)およびECG 32万746件(PE陽性は12.8%)、診療時の臨床データ(年齢や性、併存疾患、バイタル、血液検査値など)を紐づけたデータセットであった。機械学習モデルは、(1)ECG波形を畳み込みニューラルネットワーク(CNN)に学習させる「ECGモデル」、(2)臨床データのみを分析する「EHR(electronic health record)モデル」、(3)ECG波形データとEHR臨床データを統合した「Fusionモデル」の3種類を作成。あらかじめ分割しておいた検証用データセットを用いて、ROC曲線下面積(AUROC)によりPE診断精度を評価した。

その結果、FusionモデルのAUROCは0.81±0.01と、ECGモデル(0.59±0.01)やEHRモデル(0.65±0.01)よりも高かった。さらに従来の臨床スコアと比較するために、検証用データセットから患者100人のサンプルセットを抽出して診断させたところ、FusionモデルはAUROC 0.84、特異度0.18を達成。従来のWellsスコア(AUROC 0.54、特異度0.00)や改訂ジュネーブスコア(同0.52、0.00)、PE除外基準(PERC:0.50、0.03)、4段階PE臨床可能性スコア(4PEPS:0.58、0.05)よりも高い診断精度を示した。

Somani氏らは、「我々はECG波形の生データを取り入れたPEスクリーニングの機械学習モデルを初めて作成し、これにより診断精度を向上できた。ただ、この人工知能(AI)が深層学習の過程でECG波形から読み取った臨床的特徴は、これまで臨床医が認識できていなかったものだ。その特定にはさらなる研究が必要になるだろう」と述べている。なお、複数の著者がバイオ医薬品企業や医療技術企業との利益相反(COI)に関する情報を明らかにしている。(HealthDay News 2022年1月3日)

AI Model May Aid Screening for Acute Pulmonary Embolism

Deep learning of ECG waveforms and clinical variables used to create fusion algorithm that may predict likelihood of pulmonary embolism

MONDAY, Jan. 3, 2022 (HealthDay News) -- A model integrating clinical data with electrocardiogram (ECG) waveforms may improve prediction of pulmonary embolism (PE), according to a study recently published in the European Heart Journal-Digital Health.

Sulaiman S. Somani, M.D., from the Icahn School of Medicine at Mount Sinai in New York City, and colleagues created a retrospective cohort of 21,183 patients at moderate to high suspicion of PE, with 23,793 computed tomography pulmonary angiograms (10.0 percent positive for PE), 320,746 ECGs (12.8 percent positive for PE), and encounter-level clinical data. To predict PE likelihood, three machine learning models were developed: an ECG model using only ECG waveform data, an electronic health record (EHR) model using tabular clinical data, and a Fusion model integrating clinical data and an embedded representation of the ECG waveform.

The researchers found that the Fusion model outperformed both the ECG model and EHR model (area under the receiver operating characteristic curve [AUROC], 0.81 ± 0.01 versus 0.59 ± 0.01 and 0.65 ± 0.01, respectively). The Fusion model also achieved greater specificity (0.18) and performance (AUROC, 0.84 ± 0.01) than four commonly evaluated clinical scores on a sample of 100 patients (Wells' Criteria, Revised Geneva Score, Pulmonary Embolism Rule-Out Criteria, and 4-Level Pulmonary Embolism Clinical Probability Score [AUROC, 0.50 to 0.58; specificity, 0.00 to 0.05]).

"We provide the first integration of raw ECG waveforms and show that it improves outcome prediction," the authors write. "This is a novel finding and suggests that further work must be done to identify relevant clinical features our deep learning models are identifying from ECGs that otherwise remain indiscernible to clinicians."

Several authors disclosed financial ties to the biopharmaceutical and medical technology industries.

Copyright © 2022 HealthDay. All rights reserved.

2022年の医療AIレポート一覧へ
掲載内容について
本サイトは、記事コンテンツおよびサブコンテンツで構成されます。記事コンテンツにおいては、HealthDay Newsとして掲載された医療AI情報の記事をJapan編集部が翻訳して配信しています。記事の具体的な内容については、原著にて確認することをお勧めいたします。サブコンテンツにおいては、厚生労働省の「保健医療分野におけるAI活用推進懇談会」報告書から「AIの活用に向けた工程表」「健康・医療・介護・福祉分野においてAIの開発・利活用が期待できる領域」を掲載し、日本の政府の方針についてお知らせしています。本コンテンツの運営は、株式会社テクノミックが行い、武⽥薬品⼯業株式会社の関与はありません。また、本コンテンツに含まれる治療⽅法等は武⽥薬品⼯業株式会社が推奨・保証するものではありません。本コンテンツの情報に含まれる薬剤については、最新の国内添付文書でご確認ください。
著作権について
本コンテンツに掲載されている内容の無断転載・配布を固く禁じます。武田薬品工業株式会社から事前に文書による許諾を得ることなく、本コンテンツに掲載されている内容を再掲載すること、また検索システムに登録することや、電子的、機械的等、いかなる形式・方法にかかわらず、複写や記録を行うことを禁止いたします。また、本コンテンツで紹介する記事の著作権はHealthDayに帰属します。
免責事項
武田薬品工業株式会社は、本コンテンツに含まれる情報の完全さおよび正確さを保証するものではなく、その内容について一切責任を負いません。本コンテンツを利用される方々には信頼すべき情報を各自で確認されることをお勧めいたします。本コンテンツに含まれる情報は、決して、医師その他の医療従事者によるアドバイスの代わりになるものではありません。また、本コンテンツは、特定の薬剤を広告・宣伝するものではありません。