1)Goto S et al. Artificial intelligence to predict needs for urgent revascularization from 12-leads electrocardiography in emergency patients. PLoS ONE. 2019;14:e0210103
救急外来受診時の心電図からカテーテル治療の要否を高精度で判定するAIを作成した研究。12誘導心電図を電位の時系列データとしてAIに学習させた研究としては世界初であり、その後の心電図を用いたAI研究の基礎を成した論文。
2)Goto S et al. Artificial intelligence-enabled fully automated detection of cardiac amyloidosis using electrocardiograms and echocardiograms. Nature Communication. 2021;12:2726.
日米５施設から収集した心電図・心エコーを用いてAIに学習させ、心アミロイドーシスを検出するモデルを作成した。当該モデルは心電図・心エコーを組み合わせることで、陽性的中率60%以上の精度で心アミロイドーシスを検出できることを示した。
3)Goto S, Yagi R et al. Multinational Federated Learning Approach to Train ECG and Echocardiogram Models for Hypertrophic Cardiomyopathy Detection. Circulation. 2021;CIRCULATIONAHA121058696.
日米4施設から収集した心電図・心エコーをAIに連合学習させ、肥大型心筋症を検出する精度を検討した論文。単施設データで学習したAIは多施設データに対するの汎化性能が必ずしも担保されないこと、連合学習により複数施設のデータを学習させると精度および汎化性能が改善することを示した。心電図、心エコーに連合学習を適用した世界初の論文である。
4)Yagi R, Goto S et al. Importance of external validation and subgroup analysis of artificial intelligence in the detection of low ejection fraction from electrocardiograms. European Heart Journal - Digital Health. 2022;3:4
日米4施設からそれぞれ収集した心電図データを用いて、心臓の収縮能力の低下した患者を検出するAIを作成した研究。自施設のデータで学習させ、残り３施設で汎化性能を評価するアプローチで単一施設のデータを学習したAIは、自施設データでは高性能でも他施設データで性能が低下することを示した。
5)A Gearhart, S Goto (equal contribution), RC Deo, AJ Powell. An Automated View Classification Model for Pediatric Echocardiography Using Artificial Intelligence. J Am Soc Echocardiogr. 2022 Aug 29:S0894-7317(22)00428-X. doi: 10.1016/j.echo.2022.08.009. Epub ahead of print. PMID: 36049595.
心エコーデータをAIに学習させ、心エコーの断面を自動判定するAIを作成した。本モデルは90%以上の精度で心エコー断面を判定できた。様々な心エコー分析の自動化に必要な基礎技術として期待される。
6)Yagi R , Goto S et al. Expanded adaptation of an artificial intelligence model for predicting chemotherapy-induced cardiotoxicity using baseline electrocardiograms. European Society of Cardiology Congress, 2022, Barcelona, Spain
化学療法前の心電図から化学療法関連心機能障害を予測するAIを構築した研究。
7)Yagi R , Goto S et al. Stratification of the Risk of Developing Heart Failure in Patients With Left Bundle Branch Block: Approach Using Artificial Intelligence. American Heart Association Scientific Session, 2022, Chicago, USA
左脚ブロック波形という心電図異常をもつ集団にはheterogeneityがあり、大量の心電図を学習したAIは心不全発症のハイリスク患者を特定できることを示した研究。
8)Miura K, Yagi R (equal contribution), Goto S et al. Deep Learning-Based Model Detects Atrial Septal Defects from Electrocardiography: A Cross-sectional Multicenter Hospital-Based Study. eClinical Medicine. 2023. in press
日米３施設から収集した心電図から心房中隔欠損症を検出するAIを開発した研究。大量の心電図を学習したAIは、 「心電図のみから心房中隔欠損症を検出する」という 経験豊富な臨床医でも困難であるとされてきた タスクを高精度で実行可能であるということを示した論文。