AIが発見した新たな心電図信号、心臓突然死の予測精度が従来の検査を上回る

研究チームは厳密なアプローチでモデルを開発した。スウェーデンの医療記録から44万件以上の心電図を、死亡診断書データと組み合わせることで、AIはどの波形パターンが心臓突然死に先行するかを学習した。この深層学習アーキテクチャは、単なるサマリ測定値ではなく、12誘導の完全な信号全体を解析した。これにより、人間には見えない微妙で非線形なパターンを捉えることに成功した。

さらに、この研究成果がスウェーデン特有のものではないことを確認するため、モデルは米国と台湾の数千件に及ぶ独立した患者記録で外部検証された。異なる集団や医療システムでも予測が有効であることが示され、一般化可能性を示す強力なエビデンスとなった。

心臓突然死の検出が困難だった理由

心臓突然死は、一般的な心臓発作（心筋梗塞）とは根本的に異なる。心臓発作は動脈が詰まり心筋に酸素が行き渡らなくなるのに対し、心臓突然死は電気的機能不全である——心臓の電気的電流が予告なく停止する。

人は急速に死亡してしまうため、心臓が停止する直前の状態を研究することはほぼ不可能だ。解剖により構造的な問題（血管の閉塞や組織の瘢痕化）は確認できるが、研究チームが指摘するように、「死亡直前の実際の機能は、依然としてブラックボックスである」。

現在のゴールドスタンダードであるリスク検査——左室駆出率（LVEF：心臓が1回の拍動で送り出す血液の割合）の測定——は、精度の低い手法だ。心臓突然死で亡くなる多くの人は正常なLVEF値を示しており、逆にLVEFが低くても突然死を経験しない人も多い。標準的なアプローチでは、実際に助けを必要としている人のほとんどを見落としているのだ。

従来検査との比較結果

AIはスクリーニングした集団の約2.2% をハイリスク群として特定した。この群での年間心臓突然死発生率7.0%は、植え込み型除細動器（ICD）の臨床試験で用いられるリスク閾値と同等かそれ以上である。つまり、現在の診療ガイドラインでは見落とされている多くの患者が、命を救うデバイスの装着候補となり得ることを示している。

今後の展開

研究チームは、次の3つの明確なステップを示している。

1. 除細動器装着判断のための臨床展開: 心電図は安価で非侵襲的であり、世界中のほぼすべての診療所で利用可能である。このAIモデルは、医師が誰にICDを装着すべきかを判断する助けとなる。Obermeyer氏は次のように述べている。「もし自分が突然死する側の人間だと分かっていたら、あなたは循環器専門医のところに行き、除細動器を埋め込んでもらうでしょう。問題は、医師たちが手遅れになる前に誰がそれを必要としているのかを判断できないことなのです」。

2. 新たな生理学的理解: AIが何を探すべきかを指示されることなく発見したこの新たな波形は、新たな研究の方向性を開く。aVL誘導におけるR波の鈍化という正確な電気メカニズムを理解することで、なぜ一部の心臓が突然機能不全に陥るのかが解明される可能性がある。「私たちはより良い意思決定ができるだけでなく、患者の心臓が停止する前に実際に何が起こっているのかを理解し始めることができるのです」とObermeyer氏は語る。

3. 実用化前の前向き臨床試験: 3カ国にわたる外部検証は強力なエビデンスだが、このモデルが日常診療で使用されるためには、前向き臨床試験での検証が必要である。今回の研究チームの成果は、異なる集団を対象とした厳格な検証の重要性を示しており、この発見を特に有望なものにしている。