肺高血圧症検出のためのマルチモーダル深層学習アルゴリズムの開発と検証

概要

右心カテーテル検査2,451例で学習し、前向き（n=477）および外部データで検証したマルチモーダル深層学習モデル（MMF-PH）は、肺高血圧症スクリーニングにおいて特異度と陰性的中率で従来の心エコーを上回りました。アブレーション解析で各モジュールの必要性が確認され、サブグループ間でも堅牢でした。

主要発見

• MMF-PHは複数の検証データで特異度・陰性的中率ともに標準TTEを上回った。
• RHC確定2,451例で学習し、前向き477例と外部データで検証され一般化可能性が示された。
• アブレーション解析により各モジュールの寄与が確認された。
• 多様なサブグループで性能が堅牢であり臨床的信頼性が高い。

臨床的意義

MMF-PHの導入により偽陽性を減らし、右心カテーテルの紹介を適正化して早期診断を促進できます。資源制約のある現場でもTTEをAIで補完する意思決定支援として有用です。

限界

• 抄録にAUROCや感度などの具体的指標や入力モダリティ構成の詳細がない。
• 未参加施設での解釈可能性と性能の検証が今後の課題。

今後の方向性

臨床導入後の診療フロー・RHC実施率・転帰の評価、モデルのキャリブレーションと可視化、国際的検証と規制対応の確立。