12リード心電図の自動診断を用いた深層ニューラルネットワーク

自動心電図（ECG）分析の臨床実践における役割は、現行モデルの精度によって制限されています。深層ニューラルネットワーク（DNNs）は、例からタスクを学習するための積み重ねられた変換から構成されるモデルです。この技術は最近、様々なタスクにおいて著しい成功を収めており、臨床実践への改善にどのように寄与するかについて大きな期待が寄せられています。本稿では、ミナスジェライス州テレヘルスネットワークにより解析され、CODE（デジタル心電図における臨床アウトカム）研究の一環として収集された200万件以上のラベル付き検査データセットで訓練されたDNNモデルを紹介します。このDNNモデルは、12誘導心電図記録における6種類の異常を認識する能力において、医師の研修医よりも優れており、F1スコアが80%以上、特異度が99%を超えています。これらの結果は、単一誘導設定で以前に研究されていたDNNに基づく心電図分析が12誘導検査にも良好に一般化できることを示しており、この技術が標準的な臨床実践に近づいていることを示唆しています。