2021/5/29、ホルター心電図波形を使用、心房細動診断のための説明可能人工知能モデルの研究「Explainable Artificial Intelligence Model for Diagnosis of Atrial Fibrillation Using Holter Electrocardiogram Waveforms」の結果が発表されました。心房細動は臨床的に重要な不整脈の一つです。心電図データを使用、心房細動診断のための機械学習モデルの報告はいくつかあります。しかしながら、機械学習モデル診断結果を臨床家が容易に理解可能な説明可能人工知能（eXplainable Artificial Intelligence: XAI）モデルの報告はほとんどありませんでした。畳み込みニューラルネットワーク（convolutional neural network: CNN）アルゴリズムに基づいて説明可能人工知能心房細動診断モデルを開発、検証しました。ホルター心電図モニタリングデータ、勾配加重クラス活性化マッピング（gradient-weighted class activation mapping: Grad-CAM）法を使用しました。2016/1/4から2019/10/31まで、心電図データ記録、循環器内科医による診断情報の読影記録のある各30秒間の合計57273例の心電図波形画像、モデル訓練に使用しました。心房細動診断のための人工知能モデルのパフォーマンス指標は、感度97.1%（95% CI: 0.969-0.972）、特異度94.5%（95% CI: 0.943-0.946）、精度95.3%（95% CI: 0.952-0.955）、陽性適中率89.3%（95% CI: 0.892-0.897）、F値93.1%（95% CI: 0.929-0.933）でした。本モデルの心房細動検出の受信者操作特性曲線下面積は0.988（95% CI: 0.987-0.988）でした。さらに、説明可能人工知能法を使用、機械学習モデルを使用、関心領域として特定された領域の94.5%（± 3.5）は、循環器内科医による心房細動診断の特徴所見と一致しました。ホルター心電図波形使用、畳み込みニューラルネットワークに基づいた説明可能人工知能モデルにて、心房細動は正確に診断、説明良好でした。本研究の結果、臨床家による使用のため、実行可能人工知能に基づいた心房細動診断のための検出モデルの実現へ向けたさらなるステップを提示しました。
https://pubmed.ncbi.nlm.nih.gov/34053998
国際医療福祉大学医学部教授の田村雄一先生、株式会社カルディオインテリジェンスの取り組みです。予想以上の精度、さらに異常検出部位を指摘可能である点が驚くべき研究です。詳しくはプレスリリースをご覧ください。
https://prtimes.jp/main/html/rd/p/000000007.000063574.html
今年年末の第5回デジタルヘルス学会学術大会にて田村先生の講演企画の開催が決まりました。詳細決まり次第お知らせします。詳しくはデジタルヘルス学会の公式ホームページをご覧ください。
https://digitalhealth.love