要約
過去10年間、AIは心電図（ECG）から心疾患の診断を分類する可能性を示してきました。これまでの研究は主に12誘導および2誘導ECGに焦点を当てていましたが、本研究では12、6、4、3、2誘導ECGを用いて26種類の異なる診断を分類することを目的としています。本研究では、26種類の診断を正解ラベルとして含む88,253件のECGデータセットを用いて、教師ありモデルを学習させました。学習および分類プロセスは以下の3段階に分かれています。（1）Pan-Tompkins法を用いてQRS波のピークを検出し、平均心拍数を算出しました。（2）算出された平均心拍数とフーリエ変換されたECG信号を用いて、畳み込みニューラルネットワーク（CNN）システムを訓練し、規則的または不規則なリズムを持つECGを分類しました。この段階で26診断のうち9診断を分類しました。（3）最後に、分類器チェーン（classifier chain）として構成される複数のCNNモデルを用いて、残りの17診断を分類しました。この段階では、段階（2）の分類結果と元のECG信号を入力として用いました。当研究チーム「CardiOUS」は、隠しテストセットにおける全誘導セット（12、6、4、3、2誘導）に対して、PhysioNet Challengeスコアで−0.63を達成しました。テストスコアに基づく正式ランキングでは、39チーム中38位となりました。