ジョンズ・ホプキンス大学の研究者らが開発した画期的な AI モデルは、心電図検査でこれまで見えなかった信号を検出し、術後の致命的となる可能性のある合併症をこれまでにない精度で予測できる。
新たに開発された人工知能モデルは、外科医が術後合併症を予測し管理する方法に革命をもたらすと期待されており、現在医師が使用している従来のリスクスコアを大幅に上回る性能を発揮します。この革新的なブレークスルーは、ジョンズ・ホプキンス大学の研究者によってもたらされました。彼らはAIを活用し、日常的な心電図（ECG）検査においてこれまで検出されていなかったシグナルを発見しました。
AI モデルは、ECG 結果内のより複雑な生理学的データを活用することで、医師と患者の両方の意思決定とリスク計算を改善すると期待されています。
「基本的な心電図には、肉眼では識別できない重要な予後情報が含まれていることを実証しました」と、ジョンズ・ホプキンス大学医学部情報科学・統合・イノベーション部門長で論文の筆頭著者であるロバート・D・スティーブンス氏はニュースリリースで述べた。「この情報を抽出するには、機械学習技術が必要です。」
掲載 本日、British Journal of Anaesthesia に掲載されたこの研究は、医療界の重要なニーズに応えています。
手術による合併症を起こす可能性のある患者を特定するために使用される従来のリスクスコアの精度はわずか60％です。
AI モデルをトレーニングするために、約 37,000 人の患者の術前 ECG データが分析されました。XNUMX つのモデルは ECG データのみに焦点を当て、もう XNUMX つの「融合」モデルは ECG の結果と患者の医療記録を統合しました。
結果は説得力に富んでいました。心電図のみのモデルは既に既存のリスク評価を上回っていましたが、融合モデルはさらに進歩し、術後85日以内の心臓発作、脳卒中、死亡などの術後合併症を30%という驚異的な精度で予測しました。
「この日常的な診断、つまり10秒分のデータを使って、手術後に人が死亡するかどうかを非常に正確に予測できるというのは驚きです」と、筆頭著者でバイオメディカル工学の博士課程学生であるカール・ハリス氏は付け加えた。「手術リスクの評価を向上させる、非常に意義深い発見が得られました。」
スティーブンス氏は、これらの研究結果のより広範な意味について詳しく説明し、炎症、内分泌系、代謝、体液、電解質に関するデータを含め、心電図が収集できる生理学的情報の広範囲にわたる点を強調した。
「心電図検査の結果の非常に大規模なデータセットを入手し、それをディープラーニングで分析できれば、現在臨床医が入手できない貴重な情報が得られるだろうと考えた」とスティーブンス氏は付け加えた。
研究チームはまた、手術後の心臓発作や脳卒中に関連している可能性のある心電図の特徴を特定する方法も開発した。
「大手術を受ける場合、心電図を誰にも見られずに記録に残すだけでなく、モデルに通してリスク評価を受け、手術のリスクとベネフィットについて医師と話し合うことができるようになることを想像してみてください」とスティーブンス氏は付け加えた。「これは、患者のリスク評価方法における革新的な一歩です。」
新しい AI モデルは、外科手術のリスク予測に大きな飛躍をもたらすだけでなく、さらなる研究の道を開く可能性のある洞察も提供します。
研究チームは、より大規模なデータセットと、手術を控えた患者を対象とした前向き研究でこのモデルをテストすることに熱心です。
研究チームは、将来 AI が ECG から抽出できる可能性のある他の貴重なデータ ポイントも調査しています。
出典： ジョーンズ·ホプキンス大学