ウェストバージニア大学（WVU）の科学者らが、アパラチア地方の患者における心不全の兆候を識別できる複数のAIモデルを開発した。
WVUベンジャミン・M・ステイトラー工学・鉱物資源学部のレーン・コンピュータサイエンス・電気工学科助教授プラシュナ・ギャワリ氏が研究を主導した。
研究チームは、ウェストバージニア州の28の病院から55,000人以上の患者の匿名化された医療記録を使用してAIモデルを訓練した。博士課程学生アリナ・デブコタ氏らは、高価なエコー心電図ではなく、安価で利用しやすい心電図の結果を使用してAIモデルが患者の駆出率を予測できるかテストした。
深層学習モデル、特にResNetと呼ばれるモデルが12誘導心電図データに基づく駆出率予測において最も優れた結果を示した。研究結果はネイチャー・ポートフォリオジャーナルの「Scientific Reports」に掲載された。
研究には大学院研究助手ルケシュ・プラジャパティ氏、助教授アムル・エル=ワキール氏、教授ドナルド・アドジェロー氏、助教授ブリジェッシュ・パテル氏が参加し、国立科学財団の資金援助を受けた。
From: 
WVU scientists develop AI models that can identify signs of heart failure
【編集部解説】
今回のWVU研究チームの取り組みは、AI医療診断における重要なパラダイムシフトを示しています。従来のAI医療システムが都市部の患者データで訓練されてきた結果、地方の患者に対する診断精度が低下するという「地理的バイアス」の問題が浮き彫りになりました。
特に注目すべきは、この研究が高価なエコー検査（数十万円規模）ではなく、数千円程度の心電図検査を活用してAI診断を実現した点です。エコー検査は専門技師と高額な機器が必要ですが、心電図なら小さなクリニックでも実施可能であり、地方医療のアクセス格差解消に直結します。
ResNetという深層学習モデルの採用も技術的に興味深い選択でした。この畳み込みニューラルネットワークは、従来は画像認識で活用されてきましたが、心電図波形データの解析にも高い適性を示しています。研究では深層学習モデルが最良の結果を示し、具体的にはAUROC（受信者操作特性曲線下面積）約0.86という高い性能を達成しました。
この技術革新により、心不全の早期発見が大幅に改善される可能性があります。現在、アメリカ人の約25%が生涯のうちに心不全を経験するとされる中、特にウェストバージニア州は心疾患による死亡率が全米1位という深刻な状況にあります。
ただし、AIによる医療診断には慎重な検討が必要な側面もあります。診断の最終判断は必ず医師が行う必要があり、AIは診断支援ツールとしての位置づけに留まります。また、地域特化型のAIモデルは、他地域への応用時に精度が低下する可能性も考慮しなければなりません。
長期的な視点では、この研究成果が他の地方地域や発展途上国の医療格差解消にも応用される可能性を秘めています。特に、単一誘導心電図を活用したHF予測技術の発展により、さらに簡易的な検査での診断が可能になりつつあります。
規制面では、FDA等の医療機器承認プロセスにおいて、地域特異性を考慮したAI診断システムの評価基準が今後整備される必要があるでしょう。これにより、都市部データで訓練されたAIシステムの地方適用に関する安全性基準が明確化されることが期待されます。
【用語解説】
心不全 – 心臓が体の酸素需要を満たすのに十分な血液を送り出せなくなる慢性の心疾患である。
駆出率 – 心臓が1回の拍動で送り出す血液の割合。心機能の指標となる。
心電図（ECG） – 心臓の電気的活動を皮膚表面から記録する検査方法。非侵襲的で広く使われる。
エコー心電図（心エコー） – 超音波を用いて心臓の構造や動きを画像化する検査。詳しい情報を得られるが高価で専門技師が必要である。
深層学習モデル（Deep Learning） – 多層のニューラルネットワークを用いた機械学習の一種で、画像や音声認識などに強みを持つ。
ResNet – Residual Networkの略で、層の深いニューラルネットワークの一種。医療画像解析での応用が進んでいる。
アパラチア – アメリカ東部の山岳地帯で、医療資源が不足しがちな地域。心疾患の罹患率が高い。
AUROC – 受信者操作特性曲線下面積。AI診断の性能を測る指標で、1.0に近いほど高精度を示す。
【参考リンク】
West Virginia University (WVU)（外部）
ウェストバージニア大学の公式ウェブサイト。研究や教育プログラムに関する情報を提供している。
Scientific Reports（外部）
ネイチャー・ポートフォリオのオープンアクセスジャーナル。広範な科学研究成果を掲載している。
American College of Cardiology (ACC)（外部）
心血管医学の専門家団体。最新の学術発表やガイドラインを発信している。
【参考記事】
AI analysis for ejection fraction estimation from 12-lead ECG（外部）
WVUの研究チームが発表した論文の原文。55,500人のデータでAUROC約0.86を達成。
WVU researchers train AI to diagnose heart failure in rural patients（外部）
WVUの公式発表記事。アパラチア地域の医療格差問題について詳しく解説されている。
AI Diagnoses Heart Failure in Rural Appalachia Using Simple ECGs（外部）
第三者メディアによる解説記事。技術的な側面と社会的意義の両面を客観的に分析している。
【編集部後記】
今回のWVUの研究は、私たちが当たり前に思っている「医療の平等性」について考えさせられる内容でした。皆さんの住んでいる地域では、心電図検査にどれくらいの時間がかかりますか？もし高度な検査が必要になったとき、近くの病院でスムーズに受けることができるでしょうか？
都市部で開発されたAIが地方の患者を見逃してしまうという課題は、実は日本でも起こりうる問題だと思います。地域格差を解消するAI技術の進展を、皆さんはどのように感じられますか？もしかすると、こうした技術が将来的に私たちの身近な診療所にも導入される日が来るかもしれませんね。
