Development of early diagnosis algorithm for paroxysmal atrial fibrillation by machine learning using a smartwatch

点击翻译按钮获取中文摘要

本研究はApple watchなどのスマートウォッチに搭載されたPPG技術を使用して計測された脈拍データに対し、機械学習を適用することで、発作性心房細動発生（pAF）を高精度に即座に検出、診断するアルゴリズムを開発することを目的としている。複数のパラメータに基づく予測において、従来の統計的方法では多重共線性や過学習などの問題が発生し、予測精度が低下することが知られているため、Gradient Boosting TreeやRandom Forestといった機械学習手法を用いることで、多数のパラメータから高精度な予測を行う。機械学習による診断性能は学習量によって向上することが知られており多くのデータが必要となるが、まずは2020年7月から2021年3月31日までに心臓手術症例80例のデータを取得した。この内10～15例のデータを利用して診断アルゴリズムの基盤を作成し、残りの症例データで検証も行うこととした。千葉大学医学部附属病院倫理委員会の承認を得て2021年3月末の時点までの80症例全ての症例データは千葉大学病院データセンターに登録した。データを機械学習モデルに適応できるパラメーターに変換して千葉大学医学研究院附属治療学人工知能研究センターの協力の下でデータ解析を実施した。発作性心房細動の診断アルゴリズムを開発し、Diagnosis of Atrial Fibrillation Using Machine Learning With Wearable Devices After Cardiac Surgery: Algorithm Development Studyで発表した。感度 0.909 および特異度 0.838という診断精度となった。今後はさらにテストデータの収集とアルゴリズムの改良を目的として臨床試験を実施予定となっている。またその際、今回の診断アルゴリズムのアプリケーションを作成しており、Apple watchに搭載することで即時診断を可能にすることを目指している。