[3I3-OS-5a] 生体信号を活用した医療・ヘルスケアAI(1/2)

[3I3-OS-5a-04] 心電図を用いたXGBoostによる心房細動の重症度分類モデルの開発

〇川治 徹真²、永田 祥也¹、藤原 幸一¹ (1. 名古屋大学、2. 京都大学)

キーワード：心房細動、医療AI、XGBoost、心電図、心拍変動

心房細動（AF）は，心房が十分に機能しなくなる不整脈のひとつで，病態としてすぐに命に関わることは少ない．しかしAFを多発すると心房内に血栓ができやすくなり，脳梗塞や心筋梗塞を招くおそれがある．これまでAFの診断は，専門医が目視でホルター心電計により24時間程度測定した心電図（ECG）データを確認していたが，手間がかかる．そこで本研究では，機械学習によってECGデータからAFの重症度を自動診断できるモデルを開発する．三菱京都病院より，AF疑いの患者計75名のECGデータを提供された．患者はそれぞれ，専門医によってAFについて健常・軽度・重度の診断がなされている．ECGデータより，RRIデータおよび心拍変動データを抽出し，これらのデータよりXGBoostを用いて，30拍分のデータのみでAFの健常・軽度・重度を診断できるモデルを学習した．その結果，全体の正解率は86.2%，健常または軽度を重度と誤診断したものが1.53%で，重度を健常であると誤診断した割合が11.4%であった．これは臨床で十分に使用できる性能であるため，将来的にAFの重症度を短時間で簡便に診断できるようになると期待される．