新しいAI ツールは心臓発作の検出で標準的な方法を上回る

本日Nature Medicine誌に発表されたピッツバーグ大学の研究者らが主導した研究結果によると、新しい機械学習モデルは心電図(ECG)の測定値を利用して、既存の方法よりも迅速かつ正確に心臓発作を診断、分類しています。

「胸痛を訴えて患者が来院したとき、私たちが最初に尋ねるのは、その患者が心臓発作を起こしているかどうかです。それは簡単なことのように思えますが、心電図から明らかでない場合には、時間がかかることがあります。追加の検査が完了するまでには24時間かかることもあります。」

と、筆頭著者でピット看護大学准教授、医学部救急医学および心臓病学の准教授であるサラー・アル・ザイティ博士は述べました。

「私たちの研究モデルは、リスク評価を改善することでこの大きな課題に対処し、患者が遅滞なく適切なケアを受けられるようにするのに役立ちます。」

心電図の波から、臨床医は STEMI と呼ばれる最悪のタイプの心臓発作を示す明確なパターンを簡単に認識することができます。

これらの重度の症状は冠動脈の完全な閉塞によって引き起こされ、血流を回復するために直ちに介入される必要があります。

問題は心臓発作のほぼ3分の2 が重度の閉塞によって引き起こされているにもかかわらず、明らかな ECG波形が現れないことです。

この新しいツールは、臨床医が発見することが難しい心電図内の微妙な手がかりを検出するのに役立ち、胸痛のある患者の分類を改善します。

このモデルは、共著者であり、トロント大学エドワード S. ロジャース電気・コンピューター工学部の准教授であり、ノースヨーク総合病院、「健康アウトカムのための人工知能の研究」の研究委員長であるアービン・セジディック博士によって開発されました。

トロント大学では、ピッツバーグにある3 つの病院で胸痛を患っている4,026 人の患者の心電図が収集されました。

次に、このモデルは、別の病院システムの3,287 人の患者を対象として外部検証が行われました。

研究者らは、心臓イベントを評価するための3つの標準基準評価とモデルを比較しました。

このモデルは 3 つすべてを上回り、胸痛患者の 3 人に 1 人を低リスク、中リスク、または高リスクに正確に再分類しました。

「私たちは、HEART の精度に匹敵することを夢見ていましたが、ECG のみに基づいた機械学習モデルがこのスコアを上回ったことに驚きました。」

とアル・ザイティ博士は述べています。

共著者で UPMC の救急医療サービス (EMS) 部門の責任者であるクリスチャン・マーティン・ギル医学博士は次のように述べています。

「このアルゴリズムは、救急救命士や救急部門の医療提供者が、従来の ECG 分析と比較してより確実な方法で、心臓発作を起こしている人や心臓への血流が低下している人を特定するのに役立ちます。

「この情報は、現場で特定の治療を開始したり、高リスクの患者が到着していることを病院に警告したりするなど、EMSの医療上の決定を導くのに役立ちます。」

とマーティン・ギル博士は付け加えました。

「逆に、専門の心臓施設のある病院に行く必要のない低リスク患者の特定に役立つことも興味深いことであり、これにより病院へ行く前のトリアージが改善される可能性があります。」

この研究の次の段階において、研究チームはピッツバーグ市救急医療サービス局と協力してモデルの展開方法を最適化しています。

アル・ザイティ博士は、EMSからECG測定値を受け取る病院の指令センターと統合するクラウドベースのシステムを開発中だと述べました。

このモデルは ECG を分析し、患者のリスク評価を送り返し、リアルタイムでの医療上の決定を導きます。

【以下のリンクより引用】

Science Daily

当社関連商品カテゴリー：心臓