文献

J-GLOBAL ID：201902228035853972   整理番号：19A2208942

洞調律中の心房細動患者の同定のための人工知能により可能になったECGアルゴリズム:転帰予測の遡及的解析【JST・京大機械翻訳】

An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction

著者 (12件)： Attia Zachi I (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Noseworthy Peter A (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Lopez-Jimenez Francisco (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Asirvatham Samuel J (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Deshmukh Abhishek J (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Gersh Bernard J (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Carter Rickey E (Department of Health Sciences Research, Mayo Clinic, Jacksonville, FL, USA) ,  Yao Xiaoxi (Department of Health Sciences Research, Mayo Clinic, Rochester, MN, USA) ,  Rabinstein Alejandro A (Department of Neurology, Mayo Clinic, Rochester, MN, USA) ,  Erickson Brad J (Department of Radiology, Mayo Clinic, Rochester, MN, USA) ,  Kapa Suraj (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA) ,  Friedman Paul A (Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA)
資料名： Lancet  (Lancet)
巻： 394  号： 10201  ページ： 861-867  発行年： 2019年 
JST資料番号： B0673A  ISSN： 0140-6736  CODEN： LANCA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 心房細動はしばしば無症候性であり,したがって,脳卒中,心不全,および死亡と関連する。既存のスクリーニング法は,長期間の監視を必要とし,コストと低収率によって制限される。機械学習を用いて心房細動患者を同定する迅速で安価なポイントオブケア手段を開発することを目的とした。標準10秒,12誘導ECGを用いて,正常洞調律時に存在する心房細動の心電図特徴を検出するために,畳込み神経回路網を用いた人工知能(AI)を可能にした心電図(ECG)を開発した。著者らは,少なくとも1つのデジタル,正常洞調律,標準10秒,12誘導ECGを,心臓専門医監視下で訓練された職員により検証されたリズムラベルを用いて,18歳以上の患者を対象とした。心房細動に対して陽性として心房細動または心房粗動のリズムを有する少なくとも1つのECGを有する患者を分類した。ECGを訓練,内部検証,および試験データセットに7:1:2の比率で割り当てた。内部検証データセットに対する受信者動作特性曲線の曲線下面積(AUC)を計算し,確率閾値を選択し,これをテストデータセットに適用した。著者らは,AUCと精度,感度,特異性,および2側面95%CIsによるF1スコアを計算することによって,試験データセットに関するモデル性能を評価した。分析のために649931の正常洞調律ECGを有する180922名の患者を含んだ:訓練データセットの126526名の患者から記録された454789ECG,内部検証データセットの18116名の患者からの64340ECG,および試験データセットの36280名の患者からの130802ECG。試験データセットにおける3051名(8名の4%)の患者は,モデルによって試験された正常洞調律ECGの前に心房細動を確認した。単一AIによるECGでは,AUCが0の87(95%CI 0,86-0)の心房細動,79の0%の感度(77の5-80の4),79の5%の特異性(79の0-79の9),39の・2%のF1スコア(38の1-40の3),79の4%の全体の精度(79の0-79の9)を同定した。各患者の関心のある最初の月の間に得られたすべてのECGを含む(すなわち,最初に記録された心房細動ECGの研究開始日または31日前)は,AUCを0の90(0,90-83)に増加させ,83の4%に対する特異性(83の0-83),F1スコアから45の4%(44の2-46の5),および83の3%(83の0-83の7)に対する全体の精度を増加させた。正常洞調律時に得られたAIにより得られたECGは,心房細動を有する個人のケアのポイントでの同定を可能にする。いずれも無かった。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *心房細動 ,  心電図 ,  スクリーニング ,  心臓 ,  機械学習 ,  *アルゴリズム ,  心不全 ,  畳込み ,  *予測 ,  脳卒中
準シソーラス用語： スコア ,  特異性 ,  *リズム ,  *転帰 ,  *洞調律 , 【Automatic Indexing@JST】

分類 (2件)： 神経系疾患の治療一般  (GN05010N) ,  精神障害の治療一般  (GR04010S)

タイトルに関連する用語 (10件)： 洞調律 ,  心房細動 ,  患者 ,  同定 ,  人工知能 ,  ECG ,  アルゴリズム ,  転帰 ,  予測 ,  遡及的解析