深層特徴と手作り特徴の融合による心音図（PCG）からの小児先天性心疾患の自動検出

Abstract

先天性心疾患（CHD）は最も一般的な先天異常であり、世界中で出生児の約1%に影響しています。診断のゴールドスタンダードである心エコー検査は費用がかかり、医療資源の乏しい環境では利用しにくいのが現状です。病理学的パターンを解釈する能力は専門家によって大きく異なるため、限られた熟練した専門家の不足が診断の遅れにつながり、さらに臨床家間および臨床家内でのばらつき（インター／イントラクリニシャンのばらつき）を生みます。そこで本研究では、CHDを検出するために、よりアクセスしやすい診断モダリティであるデジタル聴診器に関する新しい手法を提案します。本手法は深い特徴の融合に基づき、自動的なCHDの早期検出のために深層特徴と手工的特徴を統合します。本研究では、バングラデシュにおいて751人の小児被験者（年齢：1か月〜16歳）から、4つの聴取部位：僧帽弁（MV）、大動脈弁（AV）、肺動脈弁（PV）、三尖弁（TV）にて、心音図（PCG）の記録を取得しました。これらの記録は、心臓専門医による確定診断に基づき、CHD例または非CHDとしてラベル付けされました。その結果、提案モデルは患者単位の分割（70%を訓練、20%を検証、10%をテスト）に基づいて、精度92%、感度91%、特異度91%を達成しました。さらに、受信者動作特性曲線の下面積（AUROC）は96%、F1スコアは92%でした。このモデルは、低資源環境における費用対効果の高いスクリーニング手段として、CHDの効率的なリアルタイム遠隔検出を可能にすることが期待されます。