熊本大学研究生院生命科学研究部循环器内科学的辻田贤一教授、石井正将讲师等人与AMI株式会社（董事长CEO小川晋平，鹿儿岛市）组成的研究团队宣布，开发出了一项依据心音和心电图、通过AI推断心脏状态的新技术。该技术结合了该公司开发的可同时测量心音与心电图的便携器件和深度学习，仅需8秒测量结果即可推定BNP值。这种方法兼具非侵入性与快速的特点，能大幅减轻患者的身体和时间上的负担，有望应用于心衰的早期发现及居家监护等场景。相关研究成果已发表在期刊《Circulation Journal》的6月17日刊上。
心衰竭是指心脏泵血功能不足，无法向身体输送所需血液的状态，具有随年龄增长发病率增加，再入院率及死亡率较高的特征。虽然早期发现和适当治疗十分必要，但通过血液检测测量BNP或NT-proBNP等物质的方法，存在耗时长、患者负担较大的问题。
因此，研究团队此次开发出用于预测重要生物标志物——血液中BNP浓度的新型“eBNP模型”，并评估了其性能。
研究团队使用从1035名接受过心脏超声检查的患者处获得的数据（训练集），对模型进行训练。其中，透析患者未被纳入研究对象。
在外部验证中，采用了来自其他医院818名患者中筛选出的140人的数据（验证集）。这款模型测定了“能够多大程度上准确识别高BNP水平的患者”（灵敏度），以及“能够多大程度上准确排除非高BNP水平的患者”（特异度）。
结果显示，eBNP模型在外部验证数据集上也表现出了优异性能，尤其在准确识别BNP水平超过100pg/mL的患者能力方面，实现了较高精度。
此外，尽管模型在高BMI患者（肥胖人群）中的灵敏度稍低，准确预测BNP水平的能力略有下降，但在正常BMI的患者中则呈现出非常良好的结果。
当环境噪音仅为对话程度时，模型的性能几乎不会受影响，但当声音变得极大时，精度会略有下降。
这些结果表明，eBNP模型具备准确预测BNP水平的能力，对心力衰竭的诊断是有用的。
石井讲师表示：“本研究证实，使用超声听诊可推定BNP值。即使在设备完善的医院，BNP的检测结果也需要1小时左右才能出来，而使用超声听诊器，在免去采血环节和患者痛苦的同时，还能在诸如无法立即进行血液检测的居家诊疗等场景中使用。今后，还有必要着眼于实际应用，持续推进设想了实际医疗现场中的使用场景的验证工作。”
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
期刊：Circulation Journal
论文：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
