12誘導心電図から心房細動発症を予測するAIの臨床的有効性についての検討

抄録

【目的】心房細動（atrial fibrillation，AF）は脳梗塞、心不全や死亡のリスクを増加させることから、早期の診断と抗凝固療法の導入が必要となるが、AFは無症状のことも多く、早期発見が難しい。そこで、本研究は日本人を対象とし、AFの早期発見のため非発作時の心電図から発作性AFをスクリーニングするための人工知能（artificial intelligence，AI）開発を行い、本AIの臨床の場における有効性について検証することを目的とした。

【方法】2000年から2019年までに12誘導心電図検査を受けた成人患者（総数30,467人、うちAF症例数3,528人）を対象とした後ろ向きコホートデータを用いてAFの発症リスクを予想するAIモデルを開発、汎化性能評価を行った。また、AFを発症する前状態（Pre-AF）である症例が有する心電図所見、並びに、AIが予測の根拠としている心電図所見について解析を行った。加えて、AIの臨床的効果の評価のため、未診断の集団におけるAIの効果に対するシミュレーションを行った。

【結果】AIの汎化性能評価結果は、特異度95.66％・感度44.03％であった。所見分析では、AIが高リスクと判定し、実際にPre-AFであった症例ではST-T異常が最も多く（15.5％）認められた。また、日本国内における40歳以上の健診受診者に対して本AIを適用することで、9,554人／年の脳梗塞の発症を予防できる可能性がシミュレーションにより示唆された。

【結論】日本人を対象として、非発作時の心電図波形から包括的にAF発症リスクを予測するAIの開発を行い実用に足る精度が得られた。また、複数の心電図異常所見がAF発症に影響を与え、かつAIもまた複数の心電図異常所見に基づいてAFに対するリスク判定を行っていることが示唆された。さらに、未診断の母集団においてシミュレーションを行ったところ、本AIはAFのスクリーニングにおいて有効である可能性が示唆された。