膨大な量の個人の健康記録データを深層学習で分析する新たな手法により、心不全の初期兆候を特定できる可能性があると研究者らは述べている。
論文は、次の学術誌に掲載され、Journal of the American Medical Informatics Association（JAMIA）従来の医療分野向け機械学習モデルではこれまで無視されてきたデータの時間性に、この手法がどのように対処するかを説明している。
この研究では、心不全につながることの多い事象や段階を6～18か月前に検出できるよう、深層学習モデルを用いている。そのために研究者らは、電子健康記録内の事象間の時間的関係をモデル化する再帰型ニューラルネットワーク（RNN）を使用する。
時間的関係は、時間の経過に伴う事象や状態の順序を表す。この種の関係は、従来、自然言語処理で用いられてきた。しかし研究者らは、RNNの能力を活用する新たな機会を見いだした。
「私は深層学習を研究していて、RNNを医療に導入できないかと考えていました。RNNは系列処理で非常によく使われるモデルで、従来は翻訳に用いられてきました」と、ジョージア工科大学の博士課程学生で、計算科学・工学部の准教授ジメン・サンと共同研究を行うエドワード・チェは述べる。
RNNを利用することで、アルゴリズムは心不全の初期段階を予測できるようになり、最終的には心疾患のリスクがある患者への予防的ケアの改善につながる。
「機械学習は、医療のあらゆる側面で使われています。診断や治療から、手術後の患者ケアに関する推奨までです。このモデルは深層学習に焦点を当てており、深層学習は多くの業界で大きな成果を上げています。しかし医療分野では、私たちは深層学習を先駆的に導入し始めたところで、エドワードはそれを応用した最初の研究者の一人です」とサンは述べる。
米国疾病予防管理センターによると、米国では心不全が成人570万人に影響を及ぼしており、心不全を発症した人の半数は診断から5年以内に死亡する。そのため国に毎年推定307億ドルの負担が生じている。
今回の新たな知見により、医師が患者に早期介入できるようになり、毎年、数百万人の米国人の負担を軽減できる可能性がある。
「これは予備的な研究ですが、従来のモデルを上回る可能性を示しました。深層学習が医療業界に前向きな影響をもたらすという有望な見通しを示しています」とチェは述べる。
