2025-6-2
弁膜症の一つである閉鎖不全症/逆流症は，診断の複雑さと患者の転帰への影響から，正確な診断および重症度判定が必要とされるが，その精度には現状ばらつきがある。この課題に対し，米コロンビア大学アービング医療センターらの研究チームは，経胸壁心エコー（TTE）画像を用いた深層学習システムで，逆流症の分類および僧帽弁逆流症（MR）の進行リスクの層別化が良好に行えるとの研究成果を発表した。本研究はEuropean Heart Journalに掲載されている。
本研究では，71,660件のTTE検査から得た1,203,980件のカラードプラ動画を用いて，時空間畳み込みニューラルネットワーク（Spatiotemporal Convolutional Neural Networks）の学習を行った。まず逆流症の分類予測において最適な動画抽出法を検討した結果，「単一ビューよりも複数ビュー」を用いて，「重度の逆流を示唆する上位3動画より，全動画について各々行った予測に動的な重み付けをして統合する」方が，総じて精度が高いことが明らかとなった。特に三尖弁逆流症においては，複数ビューによる精度向上が顕著であった。また，別のタスクとして，僧帽弁逆流症患者における2年以内の疾患進行リスク予測を行ったところ，正確なリスク層別化が可能であることが示された。本研究で作成したDELINEATE-MR-Progressionモデルによるリスクスコアに関して，内部テストセットのハザード比は4.1，外部テストセットでは2.1となった。
研究チームは「本モデルで各患者の進行リスクを予測することで，心エコー検査の間隔に関する臨床意思決定支援に役立てることが出来る。例えば，フォローアップの頻度を個別化することが可能となるだろう。また，近年研究が進むAIエコーと組み合わせることで，一貫した検査を実現したい」と述べている。
【参照論文】
Deep learning for echocardiographic assessment and risk stratification of aortic, mitral, and tricuspid regurgitation: the DELINEATE-Regurgitation study