AIを用いた心臓トランスサイレチンアミロイドーシス検出・スコアリング：多トレーサ・多スキャナ・多施設シンチグラム研究

概要

12台のカメラ由来6データセットで学習・評価した全自動ディープラーニングは、全身シンチグラムからATTR-CMの検出・スコア化で高性能を示し、外部検証で検出AUC最大1.00、スコアリングAUC最大0.96を達成した。説明可能性マップは臨床的に妥当な心臓領域へ焦点を当て、早期診断への応用可能性を裏付ける。

主要発見

• 内部検証で検出・スコアリングともAUC>0.95、F1>0.90を達成。
• 外部検証で検出AUC0.93、0.95、1.00、スコアリングAUC0.95、0.83、0.96を達成。
• 説明可能性（Grad-CAM等）は臨床的に妥当な心臓領域を強調し、前向きフラグで追加の疑い症例も抽出された。

臨床的意義

全身シンチのAIスクリーニングによりATTR-CM疑い例を早期に抽出し、施設間でのPerugini様スコアの標準化を促進し、診断遅延の軽減に資する可能性がある。

限界

• 後ろ向きデータで参照標準が不完全、生検確認が限定的
• 未知のトレーサや装置、実臨床ワークフローへの前向き統合の検証が必要

今後の方向性

前向き多施設での臨床有用性評価、取得プロトコルのハーモナイゼーション、専門医との比較やAI–人協働ワークフローの検証が課題。