ヘルスケア
自己学習アルゴリズムが心不全を予測できる
Unite.AI を Google の優先ソースに追加
新しい人工知能（AI）ベースのコンピューターアルゴリズムが、心電図（ECG）の中での微妙な変化を識別することができ、心不全の発生を予測することができます。このアルゴリズムは、The Mount Sinai Hospitalで開発され、研究はJournal of the American College of Cardiology: Cardiovascular Imagingに掲載されました。
ベンジャミン・S・グリックスバーグ博士は、遺伝学およびゲノム科学の助教授であり、ハッソ・プラットナー・インスティテュート・フォー・デジタル・ヘルス・アット・マウント・シナイのメンバーであり、この研究の先行著者です。
「深層学習アルゴリズムは、ECG波形データから心臓の両側での血液ポンプの問題を認識できることを示しました。」グリックスバーグは述べています。「通常、心臓のこのような状態を診断するには、高価で時間のかかる処置が必要です。私たちは、このアルゴリズムが心不全の診断をより迅速に行えることを希望しています。」
AIによる新たな機会
医師は従来、心不全の診断のためにエコーカーディオグラムを使用してきました。しかし、これは労力密度が高く、すべての病院で提供されているわけではありません。
AIは、この分野で新たな機会を創出しています。研究によると、心電図が心不全の有効な代替手段となる可能性があることが示されています。最近の研究では、深層学習アルゴリズムが心臓の左心室の弱さを検出できることが示されています。マウント・シナイでの新しい研究では、左心室と右心室の両方の強さを評価するアルゴリズムの開発について述べています。
ジリッシュ・N・ナドカルニ博士は、イカーン・スクール・オブ・メディスン・アット・マウント・シナイの医学の准教授であり、データ・ドリブン・アンド・デジタル・メディスン（D4M）の部門長であり、この研究の先行著者です。
「魅力的ですが、従来、医師がECGを使用して心不全を診断することは難しかったです。これは、診断基準が確立されていないことと、ECG読み取りの中で人間の目で検出できるほど微妙な変化があるためです。」ナドカルニ博士は述べています。「この研究は、ECGデータの中に隠されている情報を発見し、より良いスクリーニングと治療パラダイムを実現するための重要なステップです。」
マシンのプログラミングとテスト
研究者は、コンピューターを患者さんのECGと書面レポートから抽出されたデータを読み取るようにプログラミングしました。後者は、コンピューターがECGデータと比較するための標準データセットとして機能しました。これにより、コンピューターは弱い心臓を識別できるようになりました。
自然言語処理（NLP）プログラムを使用して、コンピューターは書面の単語からデータを抽出できました。同時に、ニューラルネットワークは画像の中でのパターンを発見でき、アルゴリズムにポンプの強さを認識するのに役立つことができました。
「私たちは、心臓全体を簡単に、かつ低コストで理解できるAIを開発したいと思いました。」ドクター・ヴァイドは述べています。
マシンは、7万件のECGとエコーカーディオグラムレポートを分析しました。これらのデータは4つの異なる病院から提供されました。5番目の病院は、アルゴリズムを別の実験環境でテストするために使用されました。
「この研究の潜在的な利点の1つは、世界で最も多様な患者集団からのECGコレクションの1つであることです。」ナドカルニ博士は述べています。
アルゴリズムは、左心室が健康的か弱いかの予測において効果的に機能し、94パーセントの精度で健康的な射出分率（心室が1回の拍動でポンプアウトする血液の量）を予測しました。アルゴリズムは、40パーセント未満の射出分率を持つ患者を87パーセントの精度で予測しました。
まだ改善が必要な分野の1つは、心臓がわずかに弱くなっている患者を予測することです。アルゴリズムは、40〜50パーセントの射出分率を持つ患者を73パーセントの精度で予測しました。
アルゴリズムは、ECGから右心室の弱さも検出でき、84パーセントの精度で右心室の弱さを持つ患者を予測しました。
「私たちの結果は、このアルゴリズムが心臓の両側での心不全を正しく診断するのに役立つ可能性があることを示しています。」ドクター・ヴァイドは述べています。
この研究のもう1つの重要な点は、AIが人種や性別に関係なく、すべての患者での心臓の弱さを検出できることを示唆していることです。
「私たちの結果は、このアルゴリズムが臨床医が様々な患者さんに発生する心不全と戦うための有用なツールになる可能性があることを示しています。」グリックスバーグ博士は述べています。「私たちは、より現実的な環境でその有効性をテストするための予備試験を慎重に設計しています。」
