従属型ニューラルネットワークを用いた心不全の検出手法

心不全（Congestive Heart Failure: CHF）は、高い発症率、高い死亡率および持続的な医療費を伴う深刻な病態であり、その効率的な検出法の開発が急務である。近年の研究では、高度な信号処理や機械学習に基づく手法が提案されているが、畳み込みニューラルネットワーク（Convolutional Neural Network: CNN）を用いたCHFの自動検出における可能性は、これまで十分に評価されてこなかった。本研究は、この重要な空白を埋めるものとして、1つの原始的な心電図（ECG）の心拍のみを用いてCHFを正確に識別するCNNモデルを提示する。また、従来の心拍数変動（Heart Rate Variability: HRV）に基づく手法と比較検討を行う。本モデルは、公開されているECGデータセットを用いて学習および検証を行い、合計490,505心拍のデータを対象として、CHF検出精度100％を達成した。特に、本モデルはCHFの分類に特徴的な心拍系列およびECGの波形特性を同定し、その重要性を明らかにしている。総合的に、本研究はCHF検出の現行手法を著しく進展させ、診療現場における臨床医のニーズに応えるために、高精度かつ完全に透明性のある意思決定支援ツールの提供に貢献している。