講演情報
[2Yin-A-30]脈波からの期外収縮の分類
〇中野 巧登1、佐藤 光斗1、北島 博之1、石澤 真1、南野 哲男1 (1. 香川大学)
キーワード：
人工知能、心臓、期外収縮
期外収縮には心房性（PAC）と心室性（PVC）が存在し，両者は治療方針やリスク管理が異なるため，その鑑別には通常心電図が用いられる．脈波は非侵襲的かつ簡便に測定可能であるが，これらの不整脈を脈波のみで識別することは波形形状が類似することから困難とされてきた．本研究は，機械学習を用いて脈波からPACとPVCを直接判別するモデルを構築することを目的とする．
臨床データより得られた期外収縮の脈波波形に対し，再帰定量化解析および統計的処理を適用し特徴量を抽出した．これらの特徴量を入力とし，勾配ブースティング手法であるCatBoostを用いて識別モデルを構築した．構築したモデルは平均AUC 0.922という高い識別性能を示した．クラス別のF値はPACで0.927，PVCで0.827が得られ，両者の波形形状が類似する条件下においても高精度な判別が可能であることが確認された．本手法により，心電図を用いずに脈波から期外収縮の種類を特定できる可能性が示された．
臨床データより得られた期外収縮の脈波波形に対し，再帰定量化解析および統計的処理を適用し特徴量を抽出した．これらの特徴量を入力とし，勾配ブースティング手法であるCatBoostを用いて識別モデルを構築した．構築したモデルは平均AUC 0.922という高い識別性能を示した．クラス別のF値はPACで0.927，PVCで0.827が得られ，両者の波形形状が類似する条件下においても高精度な判別が可能であることが確認された．本手法により，心電図を用いずに脈波から期外収縮の種類を特定できる可能性が示された．