このモデルは、医療専門家が検出できないかもしれない心筋症の兆候をスクリーニングできます。
Edis Mesic＆Uma Jeddy 11:26 PM、2月23日、2025年
スタッフ記者
Yulin Zhen、スタッフ写真家
カードの研究者チーム – 心血管データサイエンス – 医学部の研究室が出版されました 勉強 医療専門家による典型的な診断の数年前に心筋症をスクリーニングできる新しいAIツールの詳細。
2020年に設立されたCards Labは、過去5年間、心筋疾患の医療診断を改善するためのAIベースのアプリケーションを作成する最前線にありました。
「私たちは、実行しやすく、コミュニティで簡単に利用できるテストで使用できるAIツールを設計したいと考えています」とEvangelos Oikonomou博士はニュースに語りました。 「必ずしも、非常に具体的で高いリソース設定にのみ制限されているかもしれないテクノロジー向けのAIツールを構築したいとは限りません。」
研究者のチームは、ほぼ2年前に助成金の提案に取り組み始め、さまざまな病院からデータを編集するためにAIモデルを訓練するために約1年半を費やしました。
アクセス可能な診断ツールによって提供されるデータに依存するAIモデルの開発に興味を持って、チームはポイントオブケア超音波に焦点を当てました。これは、超音波ロッドをスマートフォンにプラグインすることで実行できるポータブル超音波検査で、詳細な画像を取得することで実行できます。心。このテストは医療提供者が広く利用できますが、主に心臓の仕組みと明らかな異常があるかどうかの粗い評価に使用されます。
oikonomouによると、ポイントオブケアの超音波を使用しても、多くの異常な心臓の状態は検出されません。心筋症を示すパターンを認識するには、広範なトレーニングと専門知識が必要であり、専門家のオペレーターがすべての超音波画像を慎重に調べることは困難です。
「このモデルは、実際に人間の目に見えるパターンを拾うことができるが、おそらく訓練されていないオペレーターによって検出できないことがある」とoikonomou氏は語った。 「しかし、それはそれを少し超えています。臨床医が実際に何が起こっているのかを疑う前に、これらの状態を検出するようです。」
この研究は、心筋症とアミロイド心筋症の2つの主要な型の心筋症に焦点を当てており、両方の疾患が血液を汲み上げることを困難にする疾患です。
AIモデルを訓練するために、チームは、10年にわたってイェールヘルスシステム全体で30,000人以上の患者から収集された実世界のデータを供給しました。
チームが機能トレーニングモデルを作成した後、彼らは事前にAIモデルで見られなかった患者からビデオのテストを開始し、イェールヘルスシステムの緊急治療室であるイェールニューヘイブンの緊急治療室にポイントオブケアの超音波デバイスでスクリーニングされましたヘルスシステムとマウントシナイヘルスシステム。
肥大性心筋症は生まれ、アミロイド心筋症は生涯に獲得されますが、両方の疾患は進行性です。つまり、モデルは実際に人間または訓練されていない目では検出できない疾患の初期段階で拾うことができます。
「アルゴリズムは、病気が最終的に現実世界の診療で診断される2年前に平均して病気を拾うことができることを発見しました」とoikonomou氏は述べています。 「私たちは、これらの状態のいずれについても実際にテストされたことのない患者がたくさんいるが、私たちのモデルによって高いリスクがあるとフラグが付けられており、これらの患者はより悪い結果をもたらしたことを発見しました。」
oikonomouは、このモデルは患者のリスクを段階的に変化させ、フラグが立てられている患者は、否定的にフラグが立てられたものよりも速く病気を進行させる可能性がはるかに高くなる可能性がはるかに高いと指摘しました。
AIモデルは、0.95および0.98 Aurocで2種類の心筋症を正確に検出しました。これは、1を達成することが「完全なモデル」と見なされ、ニューヨークにあるMount Sinai病院システムでのテストで適切に受信されたバイナリ分類モデルを評価するために使用されるパフォーマンスメトリックです。 。
Cards Labは、研究目的で誰でもアクセスできるようにこのAIアプリケーションを公開しました。
「AIを利用する必要があります。 AIを活用して、これらのテクノロジーをよりアクセスしやすく、よりスケーラブルにする必要があります」とOikonomouはニュースに語りました。
AIは、医療行為にますます統合されています。ただし、このようなテクノロジーの広範な実装の成功は、その手頃な価格と可用性に依存します。
カードラボは、ポイントオブケアの超音波を使用しました。これは、異常な心臓障害のコミュニティベースのスクリーニングに簡単に適用できるため、2,000ドル未満で、スマートフォンに簡単に接続できるためです。
oikonomouは、マウントシナイの外部協力者とのチームの仕事の重要性を強調しました。
「このマルチサイトの検証は、モデル開発中に見られたものを超えて新しい設定や患者分布にさらされると、モデルが確実に機能することを確認しています」と、カードラボの博士課程の学生であるグレゴリーホルストは述べています。
oikonomouは、一部のプロバイダーがこれらのAIツールにアクセスできる臨床試験を設計しており、他のプロバイダーがそうではないことを共有しました。長年にわたり、この試験の結果は、AI技術を使用して異常な心筋障害の症例を検出する臨床的価値についての洞察を与えるはずです。
カード研究所の研究に関する詳細情報を見つけることができます ここ。
エディスメシック
Edis Mesicは、Scitech Deskのイェール医学部をカバーしています。彼はカリフォルニア州サンノゼ出身のSaybrookの最初の年です。
ウマジェディ
Uma Jeddyは科学と社会をカバーしています。彼女はピアソン大学で経済学とイタリア語を専攻することを計画している最初の年です
#イェールの研究者は心筋疾患を予測するためのAIツールを開発しました