熊本大學研究生院生命科學研究部循環器內科學的辻田賢一教授、石井正將講師等人與AMI株式會社（董事長CEO小川晉平，鹿兒島市）組成的研究團隊宣佈，開發出了一項依據心音和心電圖、通過AI推斷心臟狀態的新技術。該技術結合了該公司開發的可同時測量心音與心電圖的便攜器件和深度學習，僅需8秒測量結果即可推定BNP值。這種方法兼具非侵入性與快速的特點，能大幅減輕患者的身體和時間上的負擔，有望應用於心衰的早期發現及居家監護等場景。相關研究成果已發表在期刊《Circulation Journal》的6月17日刊上。
心衰竭是指心臟泵血功能不足，無法向身體輸送所需血液的狀態，具有隨年齡增長發病率增加，再入院率及死亡率較高的特徵。雖然早期發現和適當治療十分必要，但通過血液檢測測量BNP或NT-proBNP等物質的方法，存在耗時長、患者負擔較大的問題。
因此，研究團隊此次開發出用於預測重要生物標誌物——血液中BNP濃度的新型「eBNP模型」，並評估了其性能。
研究團隊使用從1035名接受過心臟超音波檢查的患者處獲得的數據（訓練集），對模型進行訓練。其中，透析患者未被納入研究對象。
在外部驗證中，採用了來自其他醫院818名患者中篩選出的140人的數據（驗證集）。這款模型測定了「能夠多大程度上準確識別高BNP水平的患者」（靈敏度），以及「能夠多大程度上準確排除非高BNP水平的患者」（特異度）。
結果顯示，eBNP模型在外部驗證數據集上也表現出了優異性能，尤其在準確識別BNP水平超過100pg/mL的患者能力方面，實現了較高精度。
此外，儘管模型在高BMI患者（肥胖人群）中的靈敏度稍低，準確預測BNP水平的能力略有下降，但在正常BMI的患者中則呈現出非常良好的結果。
當環境噪音僅為對話程度時，模型的性能幾乎不會受影響，但當聲音變得極大時，精度會略有下降。
這些結果表明，eBNP模型具備準確預測BNP水平的能力，對心力衰竭的診斷是有用的。
石井講師表示：「本研究證實，使用超音波聽診可推定BNP值。即使在設備完善的醫院，BNP的檢測結果也需要1小時左右才能出來，而使用超音波電子聽診器，在免去採血環節和患者痛苦的同時，還能在諸如無法立即進行血液檢測的居家診療等場景中使用。今後，還有必要著眼於實際應用，持續推進設想了實際醫療現場中的使用場景的驗證工作。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Circulation Journal
論文：Deep Learning for Cardiac Overload Estimation — Predicting B-Type Natriuretic Peptide (BNP) Levels From Heart Sounds and Electrocardiogram
URL：https://www.jstage.jst.go.jp/article/circj/advpub/0/advpub_CJ-25-0098/_article/-char/en
