人工知能型:AF(心房細動)検知ソリューション

本ソリューションでは以下の2つの機能を備えています。

 

DETECTION

心電図のデータから人工知能によって必要な情報を抽出し,高速かつ高精度(96.6%) にAFを検知します。

(96.6%とはクロスバリデーションの平均精度です。テストにはThe MIT-BIH Atrial Fibrillation Databaseを使用しています。)

EVALUATION

AFの診断,治療に必要な情報を抽出・整理し,高品質な医療サービスをサポートします.

AF(心房細動 ; Atrial Fibrillation)とは,不整脈の一種で,現在,日本において,約100万人の患者が存在すると推定されています( Ohsawa et al, 2005.図1参照).AFの有病率は加齢とともに増加する傾向にあるため,日本の高齢化に伴い,患者数は今後も増え続けると考えられます. また,AF罹患者は,脳梗塞のリスクが約3倍高いとの調査(Tanizaki et al, 2000)もあり,このAFを初期段階で検知すること,潜在的なAF罹患者を発見することは大きな社会的な課題となっています.

[図1]

DETECTION:AF検知ソリューション

[図2]

現在開発したアルゴリズムでは,よくベースラインとして用いられるThe MIT-BIH Atrial Fibrillation Databaseのデータセットに対して,クロスバリデーションの平均精度が96.6%となっています. 今後も改良を加えて行く予定です.また,このアルゴリズムは近日中にAPIを公開します.是非ご利用ください.

EVALUATION:AFのリスク評価ソリューション

 

リスク評価の必要性

抗不整脈薬の投与が,長期的に見ると死亡率を上げる場合もあるなど( CAST study, Echt DS et al, 1991),AFに関する治療は,単にAFを根治させれば良いのではなく,脳梗塞など他の要因も考慮した総合的なリスク評価によって判断しなければいけない問題(井上他, 心房細動治療(薬物)ガイドライン)です. 軽度であれ重度であれ,AFであればそれを完治させるというのではなく,総合的に判断するためには,どの程度重度なAFであるかというAFの度合いを見る指標が必要になります. 人工知能のモデルの一つであるt-SNE(L.J.P. van der Maaten et al, 2008)によって,図3,4のように,データが高次元の特徴空間上でどのように分布しているかを可視化することができます.これを,AFの度合いに関する一つの指標とすることが可能です.

t-SNEについて

t-SNE(t-distributed stochastic neighbor embedding)は次元縮小のモデルの一つです.次元縮小は,高次元空間上から極力情報を落とさずに,低次元での表現を求める手法です.このt-SNEでは,高次元空間上ではこのデータとこのデータは近い,という近傍の情報のみを保存して,低次元空間の表現を探します.これを用いて3次元以下の空間でデータを表現することにより,人間の目でもデータの特徴をプロットを見て確認することが可能になります. また,このt-SNEは人工知能の「教師なし学習」と呼ばれるカテゴリーにも含まれます.教師なし学習とは,文字通り学習に教師データを必要としないモデルであり,ここでは,ある患者の心電図のこの部分はAFである,という医者の診断結果を使わないことを意味します.図3,4はThe MIT-BIH Atrial Fibrillation Databaseのデータセット内の2名のデータに対するt-SNEの結果です. それぞれの点の色は,赤色がAFと診断されたデータ,青色がAFでないと診断されたデータであることを意味します.AFが起きている時の心電図と起きていない時の心電図は,高次元空間上において離れた場所に存在することが期待されます. t-SNEは教師データを使わずに似たものを集めて,データをいくつかの塊に分けますが, この分け方が図3のように医師による診断結果と一致していれば,それはデータの特徴としてAFとAFでないものが異なっていたと考えることができます. しかし,図4のように,赤色の点と青色の点が入り混じっているときは,データの特徴的にAFである時とそうでない時の心電図が似ていることを意味します. このようにして,AFである点(赤色の点)とAFでない点(青色の点)の分離度合をAFの度合いの指標とすることが可能です.またこの手法はそのアルゴリズムの特性から,AFのみに限らず,その他の不整脈の診断応用可能であると考えます.

[図3]

[図4]

DETECTION

AF検知ソリューションのアルゴリズムは、APIとして以下のリンク先でご提供しています。

Eagle Matrix Consulting AFIB Detect

EVALUATION

AFのリスク評価ソリューションについては,各ユースケースに合わせたご提案が可能です.

コンタクトページよりお気軽にお問い合わせください.

Intellectual Property

特許出願中