冠動脈造影 (CCTA) 結果を予測するための心電図基礎モデルのファインチューニング

arXiv:2512.05136v2 発表 タイプ: 置換 要約：冠動脈疾患 (CAD) は依然として世界的な公衆衛生上の大きな負担でありながら、リスクスクリーニングのためのスケーラブルなツールは限られています。冠動脈 computed tomography angiography (CCTA) は初診の無侵襲診断法ですが、その广泛应用は資源要件と放射線被曝という制約から限られています。人工知能 (AI) によって強化された心電図 (AI-ECG) は、CAD のリスク層別化のための補完的なアプローチを提供できる可能性があります。本研究では、CCTA を参照基準として使用し、4 本の主要冠動脈における重度 (≥70%) または完全 (≥99%) 狭窄を推定する AI-ECG モデルを開発・検証しました。内部検証において、該模型は血管ごとに区画検出性能曲線 (ROC) の下での面積 (AUC) 値が 0.706〜0.744 を達成し、外部検証でも一貫した性能を示しました (AUC: 0.673〜0.714)。臨床的に正常な心電図を示す個人間、および人口統計学と臨床のサブグループ間で、識別能力は安定しました。経時的追跡を持つ専用の臨床集団において、モデル予測確率に基づく血管特異的なリスク層別化は、Kaplan-Meier 曲線を用いた時間発生解析において高リスク群と低リスク群を明確に分離し、決定曲線分析は補助スクリーニングツールとしての潜在的な臨床的有用性を示唆しました。説明可能な分析は、予測リスク上昇に関連する波形パターンを浮き彫りにしました。これらの見方は、AI-ECG が補完的な CAD リスクスクリーニングとして実現可能であることを支持し、前向きな評価を要請します。

arXiv:2512.05136v2 Announce Type: replace Abstract: Coronary artery disease (CAD) remains a major global public health burden, yet scalable tools for risk screening are limited. Although coronary computed tomography angiography (CCTA) is a first-line non-invasive diagnostic modality, its widespread use is constrained by resource requirements and radiation exposure. Artificial intelligence--enabled electrocardiography (AI-ECG) may provide a complementary approach for CAD risk stratification. We developed and validated an AI-ECG model using CCTA as the reference standard to estimate severe ($\geq 70\%$) or complete ($\geq 99\%$) stenosis in the four major coronary arteries. In internal validation, the model achieved area under the receiver operating characteristic curve (AUC) values of 0.706--0.744 across vessels and demonstrated consistent performance in external validation (AUCs: 0.673--0.714). Discrimination remained stable among individuals with clinically normal ECGs and across demographic and clinical subgroups. In a dedicated clinical cohort with longitudinal follow-up, vessel-specific risk stratification based on model-predicted probabilities yielded distinct separation between high-risk and low-risk groups in time-to-event analyses using Kaplan--Meier curves, while decision curve analysis suggested potential clinical utility as an adjunctive screening tool. Explainable analyses highlighted waveform patterns associated with elevated predicted risk. These findings support the feasibility of AI-ECG for complementary CAD risk screening and warrant prospective evaluation.