ECG認識のためのドメイン知識ベース時空間グラフ畳み込みネットワーク

AI（人工知能）は私たちの生活のいろんなところで活躍していますが、医療の分野、特に心電図（ECG）の解析となると、AIが「なぜそう判断したのか」が分かりにくい、という課題がありました。まるで、専門家しか読めないような難しい専門用語で結果が出ているようなものです。

そこで今回、研究者たちが新しいAIの仕組みを提案しました。これは、心電図の波形を読み取る「畳み込みニューラルネットワーク」というAIの基本的な仕組みに加えて、「ドメイン知識」という専門家の知識をAIに教え込む方法を取り入れたものです。具体的には、心電図を専門家が見るときに注目する「PRQST」という波形上の大事なポイント（ランドマークポイント）を、AIが理解できる「知識」として組み込みました。これは、AIに「こういう波形になったら、この部分に注目してね」と指示するようなイメージです。

さらに、このAIは「グラフ」という、点と線で物事の関係を表す仕組みを使います。心電図の波形は、ある瞬間だけでなく、時間とともに変化していくものです。そこで、AIは「空間的な有向グラフ」と「時間的な有向グラフ」という二つのグラフを使います。空間的なグラフは、波形上のPRQSTのような主要なポイント同士が、どれくらい離れているか、どのような位置関係にあるかを捉えます。一方、時間的なグラフは、心電図の波形が時間とともにどう変化していくか、つまり、ある心電図の波形（サイクル）と、その次の波形との間の関係性を捉えます。これにより、心電図の複雑な動きをより深く理解できるようになります。

この新しいAIの仕組みを、中国で行われた心電図の専門コンペティションのデータセットで試したところ、非常に良い結果が出ました。このデータセットは、9つの異なる種類の心電図に分類できるようになっており、AIの性能を試すのにぴったりです。提案されたAIは、全体的な精度を示す「F1スコア」で88.1%という高い数値を達成しました。さらに、めったに見られない珍しい種類の心電図（希少カテゴリ）に対しても、76.3%という高いF1スコアを出しました。これは、これまでで最も性能の良いAIモデル（最先端モデル）を上回る結果です。この研究は、AIが医療分野、特に専門知識が必要な領域で、より信頼され、分かりやすいものになる可能性を示唆しています。