HeartBEiT: 心電図を言語として解読するマウント・サイナイの AI イノベーション

マウント サイナイ病院 / マウント サイナイ医科大学 2023 年 6 月 6 日

HeartBEiT は、心臓発作 (心筋梗塞) の診断の場合、関心領域をより正確に強調表示します。 クレジット: マウントサイナイのアイカーン医科大学の医学および科学における拡張知能研究所

Mount Sinai's AI model, HeartBEiT, improves the accuracyHow close the measured value conforms to the correct value." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">データが限られたまれな状態であっても、ECG 診断の正確さと詳細を実現します。 ECG を言語として解釈し、従来の CNN を上回るパフォーマンスを発揮し、心臓病の原因となる特定の ECG 領域を強調表示します。

マウント・サイナイの研究者らは、心電図 (ECG) を言語として解釈できる、心電図 (ECG) 分析用の革新的な人工知能 (AI) モデルを開発しました。 このアプローチにより、特にトレーニングに使用できるデータが限られている心臓病の場合、ECG 関連の診断の精度と有効性を高めることができます。

npj Digital Medicine の 6 月 6 日オンライン号に掲載された研究で、研究チームは、HeartBEiT として知られる新しい深層学習モデルが、特殊な診断モデルを作成できる基盤を形成していると報告しました。 研究チームは、比較テストにおいて、HeartBEiT を使用して作成されたモデルが確立された ECG 解析方法を上回ったことを指摘しました。

"Our model consistently outperformed convolutional neural networks [CNNs], which are commonly used machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">コンピュータービジョンタスク用の機械学習アルゴリズム。 このような CNN は、多くの場合、現実世界の物体の公的に利用可能な画像で事前トレーニングされています」と、筆頭著者でマウント サイナイのアイカーン医科大学のデータ駆動型およびデジタル医療 (D3M) 講師であるアキル・ヴァイド医学博士は述べています。 ECG に対しては、10 分の 1 のデータを使用して、これらの方法と同等か、それ以上の性能を発揮できます。 これにより、特に患者数が少なく、したがって入手可能なデータが限られている稀な疾患の場合、ECG ベースの診断が大幅に実行可能になります。」

低コスト、非侵襲性、心臓病への幅広い適用性のおかげで、米国だけで毎年 1 億件以上の心電図検査が行われています。 それにもかかわらず、医師は病気を表すパターンを一貫して肉眼で特定することができないため、特に確立された診断基準がない状態や、そのようなパターンが人間の解釈には微妙または混沌としている状態の場合、ECG の有用性は範囲が限られています。 しかし、人工知能は現在科学に革命を起こしており、これまでの研究のほとんどは CNN を中心に行われています。

Mount Sinai は、ChatGPT などのいわゆる生成 AI システムへの強い関心に基づいて、この分野を大胆な新しい方向に導いています。このシステムはトランスフォーマー (人間のようなテキストを生成するために大規模なテキスト データセットでトレーニングされる深層学習モデル) に基づいて構築されています。ほぼすべてのトピックに関するユーザーからのプロンプトに対する応答。 研究者たちは、関連する画像生成モデルを使用して ECG の小さな部分の離散表現を作成し、ECG を言語として分析できるようにしています。

「これらの表現は個々の単語、心電図全体が単一の文書とみなされる可能性があります」と Vaid 博士は説明します。 「HeartBEiT はこれらの表現間の関係を理解し​​、この理解を利用して下流の診断タスクをより効果的に実行します。私たちがモデルをテストした 3 つのタスクは、患者が心臓発作を起こしているかどうか、患者が肥大型心筋症と呼ばれる遺伝性疾患を患っているかどうかを学習することです。心臓がどの程度効率的に機能しているかを測定します。いずれの場合も、私たちのモデルはテストされた他のすべてのベースラインよりも優れたパフォーマンスを示しました。」

研究者らは、マウント サイナイ医療システム内の 4 つの病院から 40 年間にわたって収集された 210 万人の患者からの 850 万件の ECG を使用して HeartBEiT を事前トレーニングしました。 次に、3 つの心臓診断分野の標準 CNN アーキテクチャに対してそのパフォーマンスをテストしました。 この研究では、HeartBEiT はサンプルサイズが小さい場合でもパフォーマンスが大幅に向上し、「説明性」も優れていることがわかりました。 上級著者のギリッシュ・ナドカルニ医学博士、MPH、アイリーンおよびアーサー・M・フィッシュバーグ博士（アイカーン・マウント・サイナイ医学教授、チャールズ・ブロンフマン個別化医療研究所所長、同局データ駆動型およびデジタル医学部門のシステム責任者）が詳しく解説しています。医学博士: 「ニューラル ネットワークはブラック ボックスと考えられていますが、私たちのモデルは心臓発作などの診断に関与する ECG 領域をより具体的に示しており、臨床医が根底にある病理をより深く理解するのに役立ちます。 CNN の説明は、診断が正確に特定された場合でも曖昧でした。」

実際、Mount Sinai チームは、洗練された新しいモデリング アーキテクチャを通じて、医師が ECG と対話できる方法と機会を大幅に強化しました。 「人工知能は決して心電図による専門家による診断に取って代わるものではないということを明確にしておきたい」とナドカルニ博士は説明した。「むしろ、心臓の問題を検出し、心臓の状態を監視する刺激的で説得力のある新しい方法で人工知能の能力を強化するものである」健康。"

論文のタイトルは「基礎的なビジョントランスフォーマーが心電図の診断性能を向上させる」です。

参考文献：「基礎的なビジョントランスフォーマーにより心電図の診断パフォーマンスが向上」、2023 年 6 月 6 日、npj Digital Medicine.DOI: 10.1038/s41746-023-00840-9

この研究は、NIH国立心肺血液研究所（助成金番号R01HL155915）とNIH国立トランスレーショナルサイエンス推進センター（助成金番号UL1TR004419）の資金提供を受けました。