Johns Hopkinsの生成AIモデルMAARSがHCM患者の心突然死リスクを予測
Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy
背景
肥大型心筋症（HCM）患者における不整脈死の予測は困難で、現行ガイドラインの精度は低い。
アメリカJohns Hopkins UniversityのTrayanovaらの開発によるHCM患者の致死的不整脈イベントを予測するトランスフォーマーベースのディープラーニング手法「MAARS（Multimodal Artificial intelligence for ventricular Arrhythmia Risk Stratification）」は、マルチモーダル医療データ（電子カルテ・心エコー・放射線・造影MRI）を分析し、個々の患者の心突然死リスクを予測する。著者らは、同施設で実際の患者データを用いてMAARSの検証を行った。
結論
現行臨床ガイドラインの正確度（AUROC）が約50%であったのに対し、MAARSは全患者で89%、特に突然心臓死リスクが最も高い40〜60歳のHCM患者では93%の正確度を示した。MAARSは、すべての人口統計集団にわたって臨床ガイドラインを大幅に上回った。
評価
このテーマに関しては先行研究があるが、MAARSは、トランスフォーマーベースとしては初めてのモデルで、AUROCにおいて従前のすべてを上回った。これまで活用されてこなかったCMRIデータと医療記録全体を結合して詳細に分析することを特徴としており、隠された情報の特定が可能になったものとみられる。
