バレンシア工科大学 (UPV) の情報技術通信研究所 (ITACA) の COR グループの研究者らは、体表面からの電気記録を使用して、心房性心筋症に関連する組織異常の位置を特定し、定量化できる人工知能モデルを開発しました。
このシステムは、グラフ ニューラル ネットワークに基づいています (グラフ ニューラル ネットワーク、GNN）、患部の位置を特定する精度は 89%、心房組織の損傷の程度を判定する精度は 84% を達成しました。さらに、トレーニング中に未使用の解剖学的構造を分析するときにもこの機能が維持されました。
次のステップ: 患者での検証
この研究はまだ、シミュレートされたデータを使用して開発された概念実証です。したがって、その結果は直ちに臨床応用されることを意味するものではありません。次のステップは、実際の患者の記録を使用してモデルを検証することです。研究自体が指摘しているように、「このアプローチを治療計画アプリケーションに移す前に、臨床記録を使用した前向きな検証が必要です」。結果が臨床試験で確認されれば、この技術は侵襲的処置を行わずに心房組織の特性を評価するための新しいツールの開発に貢献し、心房心筋症に関連する症状の研究と治療に追加の情報を提供する可能性があります。
この研究は科学雑誌に掲載されました コンピューターを発見するこの研究には、COR-ITACAの研究者であるマリア・マカルラ・ロドリゲスが率いており、ITACAの研究者でCorify Care SLのメンバーであるホルヘ・サンチェス、アンドレウ・M・クリメント、マリア・S・ギレム、さらにクリスティアン・バリオス・エスピノーサとアクセル・ロエベ（カールスルーエ工科大学）、エルネスト・ザクール（Corify Care SL）も参加している。
この研究の主な結論は、電気的体表面マップ、時空間解析、およびグラフィカルニューラルネットワークの組み合わせが、心房性心筋症の非侵襲性特性評価に大きな可能性を示すということです。」
マリア・マカルーラ、論文の主著者
心房組織の研究への新しいアプローチ
心房心筋症は、最も一般的な心臓不整脈の 1 つである心房細動の発症と進行に関連する、線維症などの心房組織の電気的および構造的異常で構成されます。 「変化した組織の場所とその範囲を知ることは、病気をより深く理解し、場合によってはアブレーションなどの治療計画を立てるのに役立ちます」とITACAの所長で研究参加者のマリア・S・ギレムは言う。
現在、侵襲性心臓内電気解剖学的マッピングや特定の磁気共鳴画像法 (MRI) スキャンなどの技術を使用して、これらの異常を特徴付けることができます。新しいアプローチは、心臓の電気活動を記録するために体幹に配置された電極によって取得される体表面電位マップ (BSPM) の使用を提案しています。 「人工知能は、これらの信号が空間内でどのように分布しているか、また時間の経過とともにどのように変化するかを分析して、影響を受けた組織の位置と範囲に関連するパターンを特定します」とITACAのディレクターは説明します。
89% の位置特定精度
モデルを開発および評価するために、チームは、さまざまな心房および体幹の解剖学的構造、および心房心筋症のさまざまな程度と位置から生成された 14,400 のシミュレートされた体表面電位マップを使用しました。 「128 個の電極を備えた基本構成では、モデルは影響を受けた組織の位置を特定する精度 89% を達成し、平均値は感度 89%、特異度 90% でした」とマリア・マカルーラ氏は指摘します。
最も重要な発見の 1 つは、トレーニングに使用されたものとは異なる解剖学的構造を分析する際に、システムが良好なパフォーマンスを維持できたことです。これは、異なる解剖学的特徴を持つ人々に対する将来のアプリケーションにとって重要な側面です。 「このモデルは、影響を受けた組織の範囲を決定する際に 84% の全体的な精度も達成しました。さらに、信号品質が低下してもそのパフォーマンスが比較的安定していることがわかり、ノイズに対するある程度の堅牢性が示唆されました」と María Macarulla 氏は述べています。
この結果は、トレーニング データの解剖学的多様性が重要な要素であることも示しています。より多様な心房パターンと体幹部パターンを組み込むことで、システムの分類能力が向上しました。
ソース：
バレンシア工科大学
参考雑誌:
マカルラ・ロドリゲス、M.、 他。 （2026年）。体表面電位マップから心房性心筋症を特徴付けるためのグラフィカル ニューラル ネットワーク フレームワーク。 コンピューターを発見する。 DOI: 10.1007/s10791-026-10439-9。
