快速心室応答を伴う心房頻拍における左心室収縮不全を予測するための深層学習アルゴリズム

要旨 目的 心房細動（AF）患者において、心拍数コントロール戦略を決定するためには左心室駆出分画（LVEF）の評価が重要であるが、外来設定でのLVEFのリアルタイム評価は制限されている。本研究では、AFおよび迅速な心室応答（RVR）を呈する患者において、人工知能に基づくアルゴリズムによる左心室収縮不全（LVSD）の予測性能を調査することを目的とした。 方法および結果 本研究は、残差ニューラルネットワークアーキテクチャに基づく既存の深層学習アルゴリズムの外部検証である。データは2018年から2023年にかけて単一センターでのRVRを伴うAF患者の前向きコホートから取得された。一次成果は、12誘導心電図（ECG）を使用して評価したLVEF ≤ 40%として定義されるLVSDの検出であった。二次成果は、1誘導ECG（リードI）を用いてLVSDを予測することを含んだ。423人の患者のうち、2か月以内に心エコー図データが入手可能な241人が評価され、その中で54人（22.4%）がLVSDと確認された。深層学習アルゴリズムは、LVSD予測においてAUC 0.78という良好な性能を示した。LVSDを除外するための陰性的予測値は0.88であった。深層学習アルゴリズムは、脳性ナトリウム利尿ペプチド末端前ホルモンと比較して（AUC 0.78対0.70、P = 0.12）、LVSD予測において適切な性能を示した。深層学習アルゴリズムの予測性能はリードIで低かった（AUC 0.68）が、陰性的予測値は一貫して0.88であった。結論 深層学習アルゴリズムは、AFおよびRVR患者におけるLVSDの予測において有能な性能を示した。外来設定において、人工知能に基づくアルゴリズムの使用により、LVSDの予測と薬剤選択の早期化が可能となり、RVRを伴うAF患者の症状コントロールの改善が期待できる。