高性能AIが心電図解析の医療応用を拡大
オーストリア・インスブルック医科大学内科第3部門の研究チームは、心電図解析のための高性能AI基盤モデルxC EGの開発と、その評価基準を明確化するベンチマークフレームワークBenchECGの公開を発表した。同研究成果は学術誌npj Digital Medicineに掲載されている。 従来の医療AIは特定の不整脈検出など単一タスクに特化するのが一般的だが、xC EGは自然言語処理の大規模言語モデルと同様のアプローチを採用し、心電図信号の多様な特徴を網羅的に学習する。心臓発作の早期予測、不整脈の検出、突発的死のリスク評価、睡眠時無呼吸の診断など、分類・回帰・生存予測を含む多岐にわたる医療タスクに対応可能である。特に注目すべきは長時間記録の心電図やスマートウォッチデータの処理能力で、計算コストが信号長に比例して線形増加する効率的なアーキテクチャを採用し、既存モデルが困難な長尺データの分析を可能にした。 モデルはオーストリアのAI研究者らが提案したxC EG構造と、コンピュータビジョン分野から移植された時系列データ向け学習手法を組み合わせて構築された。学習データは約170万人の患者から取得された800万件以上の心電図データであり、臨床医の専門知識も反映されている。 同時に研究チームは、分野内で標準化が進まなかったECG基盤モデルの性能評価枠組みBenchECGを策定した。同フレームワークは、多様なタスクへの適応能力、標準12誘導心電図から長時間記録・ウェアラブルデータまでの信号形式への互換性、健常者から高リスク患者までの多様な集団における堅牢性の3要件を定義。公開データセットを用いた体系的な検証により、既存モデルの多くが特定分野で高性能を発揮する一方、他のタスクで顕著な弱点を示す実態を浮き彫りにした。 研究を率いるClemens Dlaska准教授は、デジタル患者情報の臨床活用が心血管疾患の予防・診断に不可欠であるとし、xC EGがもたらす分析効率の向上と評価基準の整備が研究コミュニティの発展に寄与すると強調した。チームは基礎的なAI開発から臨床応用に至るまでの研究プログラムを推進しており、同モデルの第一線での臨床応用準備も既に始まっている。
