深層学習モデルにより重度の心臓弁膜症の検出が自動化

出典: ゲッティイメージズ

シャナイア・ケネディ

2023年8月30日 - 先週ヨーロピアン・ハート・ジャーナルに掲載された研究結果によると、イェール大学医学部の研究者らは、心臓の超音波スキャンを分析することで大動脈弁狭窄症を正確に検出できる深層学習（DL）アプローチを開発した。

研究チームは、大動脈弁の狭窄によって引き起こされる一般的な心臓病である大動脈弁狭窄症が、死亡率と罹患率の重大な要因であることを示した。 こうした結果を防ぐためには病気の早期発見が重要ですが、それにはドップラー心エコー検査として知られる心臓の特殊な超音波画像処理が必要です。

ドップラー心エコー検査は大動脈弁狭窄症の検出に利用される主な検査ですが、画像処理の特殊な性質により非効率的であり、早期検出の取り組みには使用できません。

「私たちの課題は、[大動脈弁狭窄症]の正確な評価が患者管理とリスク軽減にとって極めて重要であるということです。 特殊な検査が依然としてゴールドスタンダードである一方で、私たちの心エコー検査検査室に来る人に依存すると、病気の状態の初期段階にある人々を見逃してしまう可能性が高くなります」と主著者であり、イェール大学の心臓血管医学および健康情報学の助教授であり所長であるロハン・ケラ医師、修士は述べた。心臓血管データサイエンス（CarDS）研究所の研究の詳細をプレスリリースで述べた。

研究チームの目標は、病気の早期発見を促進するためにポイントオブケアの超音波スクリーニングを可能にするモデルを開発することでした。

これを行うために、研究者らは、イェール・ニューヘブン病院で2016年から2020年の間に17,570本のビデオを含む経胸壁心エコー検査（TTE）検査からの5,257件の研究を使用して深層学習モデルを開発しました。

次に、このツールは、カリフォルニアおよびニューイングランドの他の病院からの 4,226 件および 3,072 件の研究からなる地理的に異なる 2 つのコホートに加えて、イェール ニューヘブン病院からの 2,040 件の連続研究を使用して外部検証されました。

このモデルはコホート全体で高いパフォーマンスを達成し、テスト セットの受信者動作特性曲線の下の領域 0.978 に達しました。 さらに、DL はカリフォルニア コホートで 0.952、ニューイングランド コホートで 0.942 の受信者動作特性曲線下面積を達成しました。

これらの発見により、研究者らは、このモデルが大動脈弁狭窄症の早期発見に潜在的に有用であると結論付けました。

「私たちの研究により、より専門的な機器を必要とせずにハンドヘルド超音波検査がますます使用できるようになるため、[大動脈弁狭窄症]のより広範な地域社会のスクリーニングが可能になります。」 これらはすでに救急外来や他の多くの医療現場で頻繁に使用されています」とケラ氏は述べた。

ただし、このツールを臨床現場に導入するには、さらなる研究が必要です。

これまでの研究では、人工知能（AI）を使用して大動脈弁狭窄症の検出を改善することも目的としていた。

2021 年、Kaiser Permanente の研究者は、自然言語処理 (NLP) が臨床医による大動脈弁狭窄症の特定を支援できることを実証しました。

このモデルは、心エコー図レポートと EMR データを選別して、症状に関連する略語、単語、フレーズにフラグを立てるようにトレーニングされました。

その後、このツールは大動脈弁狭窄症の基準を満たす約5万4,000人の患者を迅速に特定したが、このプロセスを手動で行った場合には何年もかかる可能性があると研究チームは指摘した。