深層ニューラルネットワークを用いた小児心電図の専門家レベル自動診断

概要

20万超の小児患者・58万件超のECGを用いたCNNは、異常全般、WPW、QT延長の判定で市販ソフトを上回り、専門医レベルの性能を示しました。判定不一致例の再評価では、AIの分類に専門家がより同意しました。

主要発見

• CNNは市販ソフトを上回る性能：異常全般（AUROC 0.94、AUPRC 0.96）、WPW（AUROC 0.99、AUPRC 0.88）、QT延長（AUROC 0.96、AUPRC 0.63）。
• 不一致例の再判定では、AI判定への専門家同意が原読影より多かった（異常全般 P=0.001）。
• 中央値11.7歳、先天性心疾患11%を含む大規模・多様なデータにより一般化可能性を支持。

臨床的意義

小児ECGの異常、WPW、QT延長のスクリーニングとトリアージにAI-ECGを活用することで、診断の遅れとばらつきの低減が期待されます。医師の監督と前向き外部検証を組み合わせた導入が推奨されます。

限界

• 単施設・後ろ向きで外部前向き検証が未実施
• 臨床データ特有のラベルノイズやスペクトラム・バイアスの可能性、低資源環境での性能は未確立

今後の方向性

多施設前向き外部検証、読影支援・トリアージへのワークフロー統合研究、規制評価、年齢・人種・装置ベンダー間の公平性評価。