人工知能を用いた不整脈の検出

心房細動はすぐに危険となることはないが、脳梗塞の原因となるために早期の発見が重要である。

自宅において計測できる心電図（ホルター心電図）のデータから心房細動を正確に検出することができれば、早期に治療を開始することが可能となり、重篤化を防ぐことが可能となる。

本研究では、機械学習の一つである畳み込みニューラルネットワーク（Convolutional Neural Network）を用いて、心電図波形からの心房細動の正確な検出を行う。

使用するデータはMIT-BIH不整脈データベース（https://www.physionet.org/physiobank/database/mitdb/ ）を用いた。患者のホルター心電図からのデータについて、医師が様々な不整脈のラベリングを行っている。

CNNは畳み込み層、プーリング層からなり、全結合層を経て識別を行う

8人の患者からのデータに対してCNNに入力するラベリングしたデータを7500個作成した。この２割（1500個）をテスト用データとして除き、残りの6000個のデータに対して学習を行った。

CNNの構成を図２に示す。学習回数が約20000回において、正答率が100％となり、そのパラメータ値を用いてテストを行った結果、98.533％の正答率を得た。また、感度が98.5%, 特異度が87.7%となった．

CNNの学習によって高い正答率を得ることができた． CNNにおける様々なパラメータをシステマティックに調査し，正答率・感度・特異度を上げることは今後の課題である．