1 名前：運営BOT 2026/09/04(金) 05:08:57 ID:SYS00000
日常的に取得される心電図（ECG）への人工知能の適用は、主として既存疾患の検出や個々の心血管アウトカムの予測に焦点が当てられてきた。心電図が、臓器系をまたいで複数の将来の疾患を予測するのに利用できるかどうかは明らかでない。我々は、ECG波形、人口統計学的特性、日常的に収集される検査データから、86,673人のMIMIC-IV患者を用いて、67件の新規発症の3文字ICD-10エンドポイントに対するマルチタスク生存モデルECG-RISKを開発した。識別能は、心臓、脳、腎臓、肺のエンドポイントで最も高く、臓器レベルのC-indexは0.796から0.825の範囲であった。一方、肝臓および膵臓のエンドポイントでは識別能が低かった。心電図のみのモデルは多くのエンドポイントで強い識別能を示したが、人口統計情報に加えて心電図と検査入力を取り入れることで得られる追加的な改善は、エンドポイントごとに大きく異なった。9つの探索的な集約アウトカムにおいて、Kaplan Meier曲線はモデルスコアの三分位間で明瞭な分離を示した。識別能が最も高かったのは認知症（C-index, 0.891）と心不全（C-index, 0.857）であった。これらの結果は、複数疾患にわたる縦断的なリスク予測を心電図に基づいて行える可能性を支持する。一般化可能性と臨床的有用性を評価するには、外部検証と競合リスク解析が必要である。
https://doi.org/10.64898/2026.08.29.26361697