深層学習による心電図からの心エコー異常同定

概要

8施設の229,439組データで学習したCNNは、12種類の心エコー異常をECGから予測し、内部AUC 0.80、外部AUC 0.78を達成した。複合ラベルのロジスティックモデルは精度73.8%（感度81.1%、特異度60.7%）で、構造的・弁膜疾患のECG先行トリアージを後押しする。

主要発見

• 8施設の229,439組ECG–心エコーデータで学習し、2施設で外部検証を実施。
• 複合異常ラベルのAUCは内部0.80、外部0.78。
• 複合ロジスティックモデルの精度は73.8%、感度81.1%、特異度60.7%。

臨床的意義

ECG-AIを補助的に用いることで、心エコーの優先順位付けが可能となり、心不全・弁膜症の早期発見と画像資源の最適配分に寄与し、資源制約環境でも有用である。

限界

• 後ろ向き開発であり、前向き診療フローでの臨床効果は未検証
• 特異度が中等度で、下流の心エコー件数増加の可能性

今後の方向性

前向き・ランダム化実装試験により患者転帰・費用対効果・診療フロー統合を検証し、機器ベンダーや医療圏を超えたキャリブレーションを進める。