深層学習モデルは胸部 X 線を使用して心臓病を検出します – Physics World

心エコー検査（心臓の超音波スキャン）は、心臓の機能や病気を評価するために最も頻繁に使用される画像診断法です。 ただし、この技術には専門的なスキルが必要ですが、不足していることがよくあります。 代替オプションは、主に肺疾患の診断と管理に使用される、最も一般的で広く利用可能な医療検査の XNUMX つである胸部 X 線検査を使用することです。 しかし、心臓は胸部X線写真で見ることができますが、胸部X線写真と心臓の健康状態との関係はほとんど理解されていません。

このギャップを埋めることを目指して、上田大樹氏率いる研究チームは、 首都大学東京 は、人工知能を使用して前例のない精度で胸部 X 線写真から弁膜症を検出し、心臓機能を分類する深層学習モデルを開発しました。 研究者らはその結果を次のように発表しています。 ランセットデジタルヘルス.

単一のデータセットでトレーニングおよびテストされたディープラーニング モデルは、最終モデルがトレーニング データセット内の画像に対してのみ適切に機能する過学習が発生する傾向があります。 これを防ぐために、上田らは22,551つの異なる施設からのデータ、合計16,946枚の胸部X線写真と、XNUMX人の患者から収集された関連する心エコー図のデータを使用してモデルを開発した。

研究者らは、深層学習モデルのトレーニングに 17,293 つの機関からの 1947 枚の X 線写真に加え、内部テスト データセットとして同じサイトからの 3311 枚の X 線写真を使用しました。 外部検査では、別の施設で患者 2617 人から採取した XNUMX 枚の X 線写真を使用しました。

研究者らは、心エコー検査レポートをグラウンドトゥルースとして使用して胸部 X 線写真にラベルを付けた後、XNUMX つのデータセットを接続する特徴を学習するようにモデルをトレーニングしました。 研究者らは、僧帽弁閉鎖不全症、大動脈弁閉鎖不全症、大動脈弁閉鎖不全症、僧帽弁閉鎖不全症、三尖弁閉鎖不全症、肺動脈弁閉鎖不全症のXNUMX種類の心臓弁膜症を調べ、各疾患の重症度をなし、軽度、中度、重度に分類した。 彼らはまた、心臓機能の XNUMX つの尺度、つまり左心室駆出率、三尖弁逆流速度、および下大静脈拡張を分類しました。

深層学習モデルの診断性能を評価するために、研究者らは、40つの主要な分類器の受信者動作特性曲線下面積（AUC）を計算した。これは、2.8つの心臓弁膜症のそれぞれについて、非軽症と中等度の重度のカットオフに加え、左心室駆出率の21％、三尖弁逆流速度のXNUMXm/s、内大静脈拡張のXNUMXmmのカットオフを加えたものである。外部テスト データセット。

研究チームは、このモデルが胸部 X 線写真からの情報を使用して、通常は心エコー検査から得られる情報である心機能と心臓疾患を正確に分類できることを発見しました。 一次分類器の全体の平均 AUC は、内部テスト データセットでは 0.89、0.90、0.92、外部テスト データセットでは 0.87 でした (値が 1 に近いほど、分類が優れていることを示します)。

外部テスト データセットに焦点を当てたこのモデルは、AUC が 0.83 ～ 0.92 の範囲で、0.92 種類の心臓弁膜症を正確に分類できました。 左心室駆出率を分類するための AUC は 0.85 でしたが、三尖弁逆流速度と内大静脈拡張の両方に関する AUC は XNUMX でした。

「私たちの知る限り、この研究は、複数の施設からの胸部X線写真を使用して、心機能と心臓弁膜症のディープラーニングベースの分類モデルを作成し検証した最初の研究です」と研究者らは書いている。

彼らは、このモデルには心エコー検査に基づく心疾患の評価に比べていくつかの利点があると指摘しています。 胸部 X 線写真は簡単かつ迅速に記録でき、モデルは低い計算要件で迅速に適用できます。 最初の実装後は、特別なスキルがなくても、いつでもモデルを使用できました。 さらに、必要に応じて追加の検査を必要とせずに、既存の胸部 X 線写真を使用して心機能に関する情報を提供できるようにする必要があります。

AI モデルは定期的な胸部 X 線から心血管リスクを判断します

「これらの結果に到達するまでに非常に長い時間がかかりましたが、これは重要な研究であると信じています」と上田氏はプレス声明で述べている。 「医師の診断効率が向上するほか、専門医のいない地域や夜間の救急時、心エコー検査が困難な患者などにも活用できる可能性がある」としている。

「将来的には、さまざまな臨床現場でのモデルの現実世界への適用性を評価したいと考えています」と共著者のシャノン・ウォルストン氏は語る 物理学の世界。 「当社の AI ベースのモデルを臨床ワークフローにどのようにシームレスに統合できるか、また患者ケアの改善にどのように貢献できるかを理解することが重要です。」

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
• 情報源： https://physicsworld.com/a/deep-learning-model-uses-chest-x-rays-to-detect-heart-disease/