単一誘導携帯型心電図に人工知能を適用した持続性心室性不整脈の近未来予測

概要

6カ国の14日間単一誘導ホルター心電図を用いた深層学習モデルは、翌13日以内の持続性VTをAUC約0.95で予測し、高特異度で良好な感度を示した。重要特徴として期外収縮負荷および早期脱分極タイミングが示唆された。

主要発見

• 単一誘導携帯ECGに基づく深層学習は、近未来の持続性VT予測で内部AUC 0.957、外部AUC 0.948を達成。
• 特異度97%固定時の感度は内部70.6%、外部66.1%。
• 高速VT（≥180拍/分）の80–81%、VFへ移行するVTの90%を的中。
• 重要特徴として心室期外収縮負荷と早期脱分極時間が示された。

臨床的意義

近未来のVT/VF高リスク例を抽出し、監視強化、電気生理学的評価の前倒し、ウェアラブルでの遠隔警告、ICD設定の個別最適化などの介入に活用し得る。

限界

• 後ろ向き研究であり、前向きのリアルタイム運用や臨床転帰改善の検証は未実施。
• イベント率（0.5%）が低く、クラス不均衡や較正の課題が残る。

今後の方向性

前向き無作為化実装研究により、警告・診療フロー統合の臨床効果を検証し、多様なデバイス・集団での一般化可能性を評価する必要がある。