閉塞性心筋梗塞の同定と局在化のためのディープラーニング心電図モデル

心筋梗塞にとってなぜ重要か

心筋梗塞では、治療が遅れるほど心筋が失われる危険が高まります。医師は通常、ECGと呼ばれる迅速な心電図検査と血液検査を基に、緊急でカテーテル治療が必要かを判断します。しかし、これらの手段は危険な閉塞を見落としたり、実際には緊急処置を必要としない人を誤って選んでしまうことがあります。本研究は、人工知能が心電図を読み取り、重大な閉塞をより正確に検出・局在化できることを示しており、適切な患者を速やかに救命処置へ導く助けになる可能性があります。

心臓内の「詰まり」を探す

心筋梗塞は一様ではありません。著者らが閉塞性心筋梗塞と呼ぶのは、冠動脈が完全あるいはほぼ完全に閉塞している場合です。これらの患者は動脈を再開通させる処置を最優先で必要とします。問題は、標準的な診断指針が心電図上のST上昇というパターンに依拠していることです。ST上昇は危険な症例のごく一部にしか現れず、他の状態でも生じ得ます。そのため、本来治療が必要な患者が見逃され、一方で不要な侵襲的処置が行われることがあります。研究者らは、生の心電図信号を直接解析して、急性閉塞の有無とどの主要冠動脈が関与しているかの両方を認識できるコンピュータモデルを構築しようとしました。

数十万件の心電図でモデルを学習

チームは、救急外来の受診、心電図記録、心臓カテーテル検査の詳細結果が連結されたスウェーデン救急部門データベースのデータを用いました。彼らは2005年から2016年の間にストックホルム地域の救急外来を受診した成人約226,000人から、54万件以上の心電図を収集しました。各心筋梗塞症例について、アンギオ（血管造影）を行った医師は新たな完全閉塞があるか、どの主要血管が原因かを既に判断していました。これらの客観的な手技結果を正解ラベルとして、研究者らは信号中の複雑なパターンを認識できる種のニューラルネットワークであるディープラーニングモデルを訓練し、閉塞心筋梗塞と非閉塞心筋梗塞の区別や特定の責任血管の分類を行いました。

モデルはどれくらい危険を検出できるか

スウェーデンの検証用データでは、モデルは急性閉塞を他の患者と区別する能力が非常に高いことを示しました。性能指標であるC統計量は、閉塞性心筋梗塞検出で少なくとも0.95、非閉塞心筋梗塞で少なくとも0.87に達しました。誤警報率を5％に抑えた場合、モデルは閉塞症例の約87％を正しく特定しました。また、主要な三本の冠動脈のうちどれが閉塞しているかの判別も良好でしたが、人間の専門家であっても識別が難しい二つの特定部位の区別は依然として困難でした。年齢、性別、心電計の種類、年次などの条件を変えても性能は概ね安定しており、若年者や一部の慢性伝導障害がない患者でやや高い精度を示しました。

他国での検証

このツールがスウェーデン以外でも通用するかを確かめるため、著者らは欧州とブラジルの3つの追加心電図コホートでモデルを検証しました。血管造影に基づくラベルのあるブラジルの救急コホートでも、モデルは閉塞性心筋梗塞を対照群と良く区別し、特に古典的なST上昇を示す症例では性能が高かったです。ST上昇心筋梗塞や一般的な伝導ブロックといったより粗いラベルしかない二つの大規模データベースでも、モデルは強い性能を示しました。実際、あるデータセットでのST上昇心筋梗塞予測においては、スウェーデンで訓練された本モデルが、現地の人手ラベルで直接訓練された別モデルを上回り、カテーテル検査に基づく客観的ラベルで学習することが疾患の本質をより深く捉え得ることを示唆しました。

患者にとっての意義

この研究は、年齢や性別などの基本情報と通常の心電図を用いて、どの患者が新たに閉塞した冠動脈を有する可能性が高いか、またその閉塞部位がどこかを迅速に特定できるコンピュータモデルの可能性を示しています。本法は血液検査や医師間の微妙な心電図パターンの合意に依存しないため、受診から血管再開通までの時間を短縮し、不必要な緊急処置を減らす可能性があります。著者らは、本ツールを日常診療で用いる前に患者アウトカムを追跡する臨床試験での検証が必要だと強調していますが、スマートな心電図解析が適切な患者を適切なタイミングでカテーテル室へ導く未来を示しています。

引用: Gustafsson, S., Ribeiro, A.H., Gedon, D. et al. A deep learning ECG model for identification and localization of occlusion myocardial infarction. Nat Commun 17, 4336 (2026). https://doi.org/10.1038/s41467-026-73023-1

キーワード: 心電図, ディープラーニング, 心筋梗塞, 冠動脈閉塞, 医療用AI