人工知能／心電図：駆出率が低い患者を識別するための人工知能対応心電図：実践的無作為化臨床試験

我々は、心電図（ECG）を基盤とし人工知能（AI）を備えた臨床的意思決定支援ツールが、過小診断されているが治療可能な病状である駆出率（EF）低下を早期診断できるかどうかを評価する目的で、実践的臨床試験を行った。この臨床試験（NCT04000087）では、45の診療所あるいは病院の120の一次診療チームが、介入群（AIによる結果を利用する；181人の臨床医）あるいは対照群（通常の診療；177人の臨床医）のいずれかにクラスター無作為化された。ECGは、事前に心不全が見られなかった総数2万2641人の成人（介入群N = 11,573、対照群N = 11,068）で日常的な診療の一部として測定された。主要評価項目は、ECG検査を受けてから90日以内にEF低下（≤ 50％）と新規診断されることであった。この試験はあらかじめ指定された主要評価項目を満たし、この介入によりコホート全体でEF低下の診断が増加したこと［対照群で1.6％に対して介入群で2.1％、オッズ比（OR）1.32（1.01～1.61）、P = 0.007］、また、EF低下の可能性が高いと診断された患者（AI-ECG陽性；コホート全体の6％）が増加したこと［対照群で14.5％に対して介入群で19.5％、OR 1.43（1.08～1.91）、P = 0.01］が実証された。コホート全体では、心エコー図の利用は2つの群間で同程度であった（対照群で18.2％に対して介入群で19.2％、P = 0.17）。AI-ECG陽性の患者では、心エコー図が対照群よりも介入群で多く測定された（対照群で38.1％に対して介入群で49.6％、P < 0.001）。これらの結果は、ECGを基盤とするAIアルゴリズムの使用により、日常的な一次診療という設定の下で患者のEF低下の早期診断が可能になることを示している。