[1O4-OS-18a] OS-18

[1O4-OS-18a-03] Exploring ECG Data Augmentation Methods for Early Detection of Cardiac Amyloidosis

〇Ryuta Shiina¹, Junji Yamato¹, Dan Mikami¹, Hiroyuki Yamamoto² (1. Kogakuin University, 2. Tokyo Medical University Hospital)

Keywords:AI, Data Augmentation, ECG, Deep Learning

心アミロイドーシスは希少疾患であり、初期症状が乏しいため診断が遅れることが多い。そのため、早期発見の重要性が非常に高いが、診断に用いる心電図データが限られていることが課題である。本研究では、心アミロイドーシス患者の早期検出を支援することを目的として、データ拡張手法の開発とその有効性の検証を行った。データ拡張について，心電図波形からR波ピークを検出し、その前後の時系列データを1心拍として抽出した後、波形全体をパラメータ化した。次に，正常波形および異常波形のR波間隔やP波・T波のタイミング、振幅の違いを解析し、それらの差分に基づいて線形補間やスプライン補間を用いて新たな波形を生成した。拡張データを用いてCNN、ランダムフォレスト、およびSVMを用いたモデル構築を行い、各手法の精度を比較・評価した。その結果、限られたデータ環境下でも早期診断支援に有効な結果が得られる可能性が示唆された。本研究は、希少疾患におけるデータ不足の課題を解消し、早期診断を支援するツールの開発に向けた重要なステップとなると考えられる。今後もこれらの拡張手法を活用した検証を進め、実臨床への応用を目指していく予定である。