主要心血管有害事象予測のための心電図を用いたマルチタスク深層学習モデル

概要

282万件のECGと外部検証により、ECG‑MACEは1年以内の心不全、心筋梗塞、虚血性脳卒中、死亡を高精度に予測し、長期転帰ではFraminghamスコアを上回った。10年発症率の層別化にも有用で、日常ECGからの予防的リスクスクリーニングの実装可能性を示す。

主要発見

• 12誘導ECG 2,821,889件で学習し外部検証（113,224件）を行い、AUROCは心不全0.90、心筋梗塞0.85、虚血性脳卒中0.76、死亡0.89を達成。
• 5年MACEおよび10年死亡の予測でFraminghamリスクスコアを上回った。
• 10年追跡でモデル陽性群は陰性群に比べ発症率比が大幅に高かった（心不全15.28、心筋梗塞7.87、脳卒中4.74、死亡13.18）。

臨床的意義

医療機関はECG‑MACEを電子カルテに統合し、高リスク患者を早期に抽出して予防介入、精密検査、緊密なフォローへとつなげることが可能となる。

限界

• 前向き実装を伴わない後ろ向き研究であること
• 機器や医療システム間での一般化可能性と解釈性の検証が不十分

今後の方向性

多施設前向き実装試験により臨床有用性・ワークフロー統合・アウトカム改善・公平性を評価し、ベンダーや地域間のキャリブレーションや解釈可能AIの開発を進める。