心電図画像を用いた構造的心疾患スクリーニングのためのアンサンブル深層学習：PRESENT SHD

概要

心電図画像（波形データではなく）に基づくアンサンブル学習は、米国4施設およびELSA-BrasilでAUROC約0.85–0.90、感度約88–96%で左心系SHDを検出した。紙やモニターの心電図をスマートフォン撮影した画像にも汎用し、臨床因子とは独立して新規SHD/心不全リスクを2–4倍に層別化した。

主要発見

• 開発：93,693例由来の261,228件の心電図画像。外部検証：YNHHテスト11,023、米国4施設44,591、ELSA-Brasil 3,014。
• PRESENT-SHDはAUROC 0.886（YNHH）、0.854–0.900（外部施設）、0.853（ELSA-Brasil）を達成し、感度約88–96%、特異度約51–66%。
• 心電図のスマホ写真にも汎用し、臨床コホートおよびUK Biobankで新規SHD/心不全リスクを2–4倍に予測、従来因子と独立。

臨床的意義

心電図画像AIは心エコーの振り分け、弁膜症や左室機能低下の優先的検出、SHD/心不全高リスク患者の継時的抽出に有用で、スマートフォン撮影を含む日常心電図ワークフローへの組込みが期待できる。

限界

• 正解は30日以内の心エコーに依存し、誤分類やスペクトラムバイアスの可能性。
• 後ろ向き開発であり、前向きの臨床効果・費用対効果試験が必要。

今後の方向性

臨床効果・ワークフロー統合・経済性を評価する前向き無作為化導入試験、機器・医療環境の多様性に対する校正、集団間バイアス監査。