人工知能による保持左室駆出率心不全（HFpEF）検出の外部検証

概要

一致させたコホート（n=496）で、AI心エコーモデルはH2FPEF/HFA-PEFFと同等の弁別能ながら中間判定を減らし、純分類改善と臨床意思決定への貢献が示された。AIで陽性と判定された患者は死亡または心不全入院のリスクが2倍で、予後情報を付加した。

主要発見

• AI HFpEFモデルはH2FPEF/HFA-PEFFと同等の弁別能・キャリブレーションを示しつつ、中間判定を減少させた。
• AIと既存スコアの統合により適切な臨床意思決定が改善した。
• AI陽性群は死亡または心不全入院のリスクが約2倍であった。

臨床的意義

AI心エコー解析をHFpEF診療経路に統合することで、判定不能症例の減少、追加検査の優先順位付け、高リスク患者の抽出と厳密な管理が可能となる。

限界

• 単一モデルの評価であり装置・集団の多様性への外的妥当性は今後の検証が必要
• 観察研究であり臨床影響の無作為化評価は未実施

今後の方向性

多施設前向きの臨床影響評価、ワークフロー統合、機器・ベンダー間キャリブレーションによる公平な性能確保が求められる。