【背景】心電図データの自動解析は近年深層学習(DL)により行われ、肥大型心筋症(HCM)を対象としたDLモデル構築は先行研究として報告されている。しかし、先行研究ではスクリーニングを目的としており、心不全重症度等の病態評価ができない。より有効な早期介入には、検診段階での病態把握が求められる。また、HCMは有病率が低く、DLの適用に十分な症例数を確保し難いため、少数データに対して有効なモデルを検討する必要がある。
【目的】 本研究は、標準12誘導心電図による肥大型心筋症を対象とした、有効な心不全重症度分類モデル作成を目的とする。
【方法】浜松医科大学にて構築されたHCMレジストリ166症例および心不全(HF)311症例を対象に、NYHA分類、NT-proBNPを用いたmild, moderate, severeの3段階の重症度クラスを設定し、381件の訓練データ、96件のテストデータに層化分割した。はじめに、PTB-XL(心電図オープンデータ)約2万件を用い、5マルチラベルCNNモデルを作成した。同モデルを事前学習済モデルとして、重症度3クラスに対して転移学習させた。モデルの妥当性を評価するため、Grad-CAMを用い可視化した。
【結果】PTB-XLで構築したCNNモデルはテストセットに対してAUC0.914であった。HCM心不全重症度分類モデルはテストデータに対して、AUC0.81であり、各クラスのAUCは、mildで0.74、moderateで0.61、severeで0.84であった。
【結語】 大規模心電図データセットを用いて事前学習されたモデルを転移学習することで、症例数の少ないHCMデータセットであっても、心不全重症度分類に有効なモデルを構築することができた。Grad-CAMによって、モデルの関心領域が、判断根拠として妥当であることが示唆された。