心電図画像の疑似カラー化で、AIの心臓リスク検出と説明が向上

研究チームは、1拍分の心電図画像を使って、同一構造の残差ネットワークを2つ訓練した。一方のネットワークには、臨床リスク評価ツール「QTノモグラム」に基づいて選んだ色でQT間隔の下の領域を塗り分ける疑似カラー表現を入力した。カラー画像を使ったモデルのAUCは、英国バイオバンクでの2回の受診時にそれぞれ0.903と0.914に達した一方、モノクロ画像のモデルは約0.72にとどまった。8種類の説明手法を比較したところ、カラー画像ではリスクの高いQT領域をより明確かつ安定して特定できた。