[論文レビュー] Artificial Intelligence System for Detection and Screening of Cardiac Abnormalities using Electrocardiogram Images

Deyun Zhang, Shijia Geng+29 more|arXiv (Cornell University)|Feb 10, 2023

Brain Tumor Detection and ClassificationNeuroscience被引用数 3

ひとこと要約

本研究では、実世界の心電図（ECG）画像—写真や紙のECGのスキャン画像など—から心疾患の異常を検出しスクリーニングするためのAIシステムを提示する。52,357名の多様な被騢者データセットで訓練されたこのシステムは、検出ではAUCが最大0.996、スクリーニングでは0.894を達成し、スクリーニング精度において心臓専門医を上回り、専門家の診断と強い相関を示した。

ABSTRACT

The artificial intelligence (AI) system has achieved expert-level performance in electrocardiogram (ECG) signal analysis. However, in underdeveloped countries or regions where the healthcare information system is imperfect, only paper ECGs can be provided. Analysis of real-world ECG images (photos or scans of paper ECGs) remains challenging due to complex environments or interference. In this study, we present an AI system developed to detect and screen cardiac abnormalities (CAs) from real-world ECG images. The system was evaluated on a large dataset of 52,357 patients from multiple regions and populations across the world. On the detection task, the AI system obtained area under the receiver operating curve (AUC) of 0.996 (hold-out test), 0.994 (external test 1), 0.984 (external test 2), and 0.979 (external test 3), respectively. Meanwhile, the detection results of AI system showed a strong correlation with the diagnosis of cardiologists (cardiologist 1 (R=0.794, p<1e-3), cardiologist 2 (R=0.812, p<1e-3)). On the screening task, the AI system achieved AUCs of 0.894 (hold-out test) and 0.850 (external test). The screening performance of the AI system was better than that of the cardiologists (AI system (0.846) vs. cardiologist 1 (0.520) vs. cardiologist 2 (0.480)). Our study demonstrates the feasibility of an accurate, objective, easy-to-use, fast, and low-cost AI system for CA detection and screening. The system has the potential to be used by healthcare professionals, caregivers, and general users to assess CAs based on real-world ECG images.

研究の動機と目的

• 実世界のECG画像（特にデジタル医療インfraが整わない地域を想定）から心疾患の異常を検出しスクリーニングできるAIシステムの開発を目的とする。
• 不十分な照明、角度のばらつき、画像歪みなどの非理想的な条件下で撮影されたECG画像の分析という課題に対処することを目的とする。
• 医療従事者、介護者、一般ユーザーが利用可能な低コストで高速かつアクセスしやすいツールの開発を目的とし、早期の心疾患リスク評価を可能とすることを目的とする。
• システムの性能を心臓専門医との比較により検証し、多様な集団および地理的地域にわたり臨床的意義を持つことを確認することを目的とする。

提案手法

• 大規模な52,357枚のECG画像からなるデータセットを用い、複数のグローバルソースから得たデータをPyTorchを用いてエンドツーエンドで学習した畳み込みニューラルネットワーク（CNN）を採用した。
• モデルの汎化能力および画像のばらつきに対するロバスト性を向上させるために、RandomResizedCropおよびNormalizeを含むデータ拡張技術を適用した。
• 過学習を防ぐために、動的学習率スケジューリングと早期停止を用いて最適化を行った。
• Djangoを介したクラウドベースのデプロイにより、RESTful APIを通じてセキュアでスケーラブルなアクセスを実現し、モバイルデバイスがECG画像をアップロードし、リアルタイムでAI分析結果を受信できるようにした。
• APIトークンを用いたユーザー認証をサポートし、アップロード、結果の閲覧、医師との診断共有を簡単に行えるモバイルインターフェースを備えた。
• AUC、正解率、感度、特異度、F1スコア、および心臓専門医の診断とのピアソン相関係数を用いて性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 AIシステムは、写真や紙のECGスキャン画像などの実世界のECG画像から心疾患の異常を検出する際、専門医水準の性能を達成できるか？
• RQ2 経験豊富な心臓専門医と比較して、AIシステムのスクリーニング性能は、無症状の心疾患状態を同定する際にどうなるか？
• RQ3 AIシステムは、多様な集団および異なる地理的地域からの外部データセットにおいても、高い性能を維持できるか、その程度はどの程度か？
• RQ4 このシステムは、プライマリケアやセルフスクリーニングの現場で、低コストでスケーラブルかつ使いやすいツールとして展開可能か？

主な発見

• 心疾患の異常検出において、ホールドアウトテストセットではAUCが0.996、外部テストセット1では0.994、外部テストセット2では0.984、外部テストセット3では0.979を達成した。
• 心臓専門医の診断と強い相関を示し、2名の独立した心臓専門医とのピアソン相関係数はそれぞれ0.794（p < 1e-3）および0.812（p < 1e-3）であった。
• スクリーニングタスクにおいて、ホールドアウトセットではAUCが0.894、外部テストセットでは0.850を記録し、心臓専門医（それぞれAUC 0.520および0.480）を顕著に上回った。
• ホールドアウトセットにおいて、心疾患の異常検出において感度92.1％、特異度95.3％、F1スコア0.928を達成した。
• 多様な集団および地理的地域において一貫した性能を維持しており、強力な汎化能力を示した。
• モバイルデバイスでインターネット接続があれば、リアルタイムでECG画像を分析可能な、モバイルフレンドリーなインターフェースを備えたクラウドベースのサービスとして、正常にデプロイされた。