10年以内に突然死するリスクはどれくらいですか?最初のニューラルネットワークアルゴリズムは

突然心臓死（SCD）は依然として世界中で主な死亡原因であり、欧州と北米の一般人口10万人あたり50～100人の発生率で、全死亡の15～20％を占めています。冠動脈疾患の患者は、不整脈による突然心臓死（SCDA）のリスクが最も高くなります。

したがって、この大きな公衆衛生と経済的負担を軽減するために、個別化された、正確で費用対効果の高い不整脈リスク評価ツールを開発することが緊急に必要です。

ジョンズ・ホプキンス大学の研究者が率いるチームは、患者が心停止で死亡する可能性があるかどうか、またいつ死亡する可能性があるかを医師よりも正確に予測できる、人工知能をベースとした新たな方法を開発した。この技術は、患者の心臓画像データやその他の状況に基づいており、臨床上の意思決定に革命をもたらし、突発性で致命的な不整脈からの生存率を向上させるだろう。

関連する研究は、Nature Cardiovascular Research の最新号に掲載されました。

「不整脈が原因の突然心臓死は、全世界の死亡原因の20％を占めているが、なぜそれが起こるのか、誰がそのリスクにさらされているのかを見分ける方法についてはほとんどわかっていない」と、生物医学工学教授で論文の責任著者であるナタリア・トラヤノバ氏は述べた。 「患者の中には突然心臓死のリスクが低く、自動体外除細動器（AED）を必要としない人もいるかもしれないが、一方でリスクの高い患者の中には、必要な治療を適時に受けなければ人生の最盛期に亡くなる人もいる。私たちのアルゴリズムは、誰が心臓死のリスクがあり、いつそれが起こるかを判断し、医師が正確に何をすべきかを判断できるようにするものだ。」

私たちの知る限り、これはニューラルネットワークを使用して各心臓病患者の個別の生存評価を作成した最初のチームでもあります。これらのリスク測定により、10 年以内の突然の心臓死と、それが最も発生する可能性の高い時期を高い精度で予測できます。

研究者らは、このディープラーニングベースのツールを「心臓不整脈リスクの生存研究 (SSCAR)」と名付けました。

図 | SSCAR 概略図 (出典: Nature)

現在の臨床心臓画像分析では、医師は体積や質量などの単純な瘢痕の特徴のみを抽出し、関連画像の重要なデータを十分に活用できていません。

「これらの画像には、医師がアクセスできない重要な情報が含まれています」と、ジョンズ・ホプキンス大学の元博士課程学生で筆頭著者のダン・ポペスク氏は言う。 「傷跡はさまざまな形で現れ、患者の生存の可能性について多くのことを物語っています。ただ、その情報が隠されているだけです。」

そのために研究チームはまず、ジョンズ・ホプキンス病院の心臓磁気心筋症を患う実際の患者156人の瘢痕の分布を造影剤で強調した心臓磁気共鳴画像を使用して視覚化し、肉眼では見えないパターンや関係を検出するアルゴリズムを訓練した。

図 | SSCAR は赤い丸で囲まれた心臓に高いリスクを検出しました (出典: ジョンズ ホプキンス大学)

研究チームはまた、年齢、体重、人種、処方薬の使用など22の要素を含む10年間の標準的な臨床患者データを使用して、2番目のニューラルネットワークをトレーニングした。

これらのパラメータは、ディープニューラルネットワークを使用して CMR 画像と臨床因子から直接学習され、生存データを最適にモデル化し、高度にパーソナライズされた生存確率予測を生成し、患者固有の生存曲線を導き出します。

その後、研究者らは、心臓病の病歴や画像データが異なる米国の60の医療センターの独立した患者集団を対象にテストを行い、このアルゴリズムを検証した。結果は、アルゴリズムの予測が医師の予測よりもはるかに正確であることを示し、このシステムはどこでも広く使用できることを示した。

特に、SSCAR で使用されるカスタム ニューラル ネットワークの全体的な設計では、結果として得られる機能の関連性と解釈可能性を確保するために複数の手順が実行されました。 AI アルゴリズムの説明可能性は、その広範な導入にとって非常に重要であり、それをめぐる懸念は特に医療の分野で広く見られます。

「これは不整脈リスクに関する臨床判断に大きな影響を与える可能性があり、患者の軌跡予測をAI時代にもたらす重要な一歩となる」と、心血管診断・治療イノベーション連合の共同ディレクターであるトラヤノバ氏は述べた。 「これは、ヘルスケアの未来としてAI、エンジニアリング、医学の融合に向かう傾向を例示しています。」

チームは現在、他の種類の心臓病を検出するためのアルゴリズムの構築に取り組んでいる。トラヤノバ氏によると、ディープラーニングの概念は、視覚的な診断に依存する他の医療分野でも開発できる可能性があるという。

参考文献:

https://www-nature-com-443.webvpn.bjmu.edu.cn/articles/s44161-022-00041-9

https://hub.jhu.edu/2022/04/07/trayanova-artificial-intelligence-cardiac-arrhythmia/

出典: アカデミックヘッドライン