Panel Discussion07（III-PD07）

[III-PD07-3] Deep Learning-based Analysis of Electrocardiogram for Mass Screening in School-age Children

^○鳥羽 修平¹, 三谷 義英², 杉谷 侑亮³, 大橋 啓之², 澤田 博文², 淀谷 典子², 大槻 祥一郎², 山崎 誉斗¹, 梅津 健太郎¹ (1.三重大学大学院医学系研究科 胸部心臓血管外科, 2.三重大学大学院医学系研究科 小児科学分野, 3.三重大学医学部附属病院 臨床工学部)

Keywords:学校心臓検診, 心電図, 人工知能

【背景】本邦では学校心臓検診として毎年小中高校生に12誘導心電図が施行されており、不整脈や肺高血圧症のスクリーニングにおける有用性が示されているが、専門的な判読を要するため判読のコストと均質化が課題である。我々は従来の信号処理技術とdeep learningを組み合わせることにより、学校心臓検診心電図を判読する人工知能を開発した。
【方法】2003年1月から2006年12月に当院で12誘導心電図を施行された6-18歳の患者を対象とし、うち83%をtraining群と、17%をtest群とした。12誘導心電図がガイドライン上の所見AまたはBに該当する(異常抽出群)かどうか、小児循環器専門医3名により評価した。人工知能(Deep learning)と信号処理(フーリエ変換等)を組み合わせた12誘導心電図判読モデルを作成し、training群を用いて学習させた。Test群における異常の有無の正診率を、従来の心電計の自動判読の正診率と比較した。
【結果】対象は1062名(12誘導心電図1942件)で，年齢中央値11歳(IQR 8-14)，男児56%であった。519件(28%)の心電図が異常を有した。Test群の心電図310件のうち84件(27%)が異常を有した。異常の有無の診断について、我々のモデルのAUCは0.87で、最高正診率(85%)は従来の心電計の自動判読によるもの(50%)よりも有意に高かった(P<.001, McNemar検定)。
【結論】Deep learningと信号処理を組み合わせることで，学校心臓検診心電図の自動判読が可能と考えた。