深層学習ベースの心電図解析を用いた新規のエンドツーエンド型デジタルヘルスシステム

概要: 本研究は、長時間の携行型心電図（ECG）記録の管理と分析を行い、臨床医の意思決定を支援するクラウドベースの情報システム AI-HEART を提示します。プラットフォームは、数日にわたる3誘導ECGを取り込み、入力を正規化し、信号前処理を実行し、波形の境界同定、ノイズ・品質検出、拍動・リズムレベルの多クラス不整脈分類のための専用ディープニューラルネットワークを適用する、エンドツーエンドのパイプラインを実現します。
クラス不均衡と実世界の信号変動に対処するため、モデル開発は臨床的に注釈された大規模データセットとエキスパート・イン・ザ・ループによるキュレーション、および過小表現されたリズムの生成的データ拡張を組み合わせます。
3誘導携行ECGデータに関する経験的評価は、境界同定の精度が自動区間測定に十分であること、ノイズ検出が低品質セグメントを信頼性高く指摘すること、及び不整脈分類が高い特異性を達成し、一般的および稀なリズムの間で臨床的に有用なマクロ平均性能を示すことを明らかにしました。
予測精度を超え、AI-HEART は日常的なECGサービスへAIを統合するためのスケーラブルな導入アプローチを提供し、追跡可能な出力、記録および派生注釈の監査対応の保存、臨床医によるレビュー／編集を可能にし、制御されたモデル改善のためのフィードバックを取り込めます。
本研究の所見は、ノイズを考慮したAI-ECGプラットフォームがデジタルヘルス情報システムとして技術的実現可能性と運用価値を有することを示しています。