診断技術：ニューラルネットワークのアンサンブルは複雑先天性心疾患の専門家レベルでの出生前検出を可能にする

先天性心疾患（CHD）は最もよく見られる先天性異常である。胎児超音波スクリーニングでは、5枚の心臓画像が得られ、これらによって複雑CHDの90％を検出できるが、実際の検出感度は30％と低い。今回我々は、18～24週の胎児からの1326の後ろ向き心エコー図と超音波スクリーニングからの10万7823の画像を用いて、ニューラルネットワークのアンサンブルが、推奨の心臓画像を特定し、正常な心臓と複雑CHDを見分けられるように訓練した。我々はまた、セグメンテーションモデルを用いて、標準的な胎児心臓胸部計測値を計算した。4108件の胎児調査の内部テストセット（0.9％ CHD、画像440万枚以上）で、このモデルは正常な心臓と異常な心臓を見分ける際に、0.99の曲線下面積（AUC）、95％の感受性［95％信頼区間（CI）、84～99％］、96％の特異性（95％ CI、95～97％）、100％の陰性予測値を達成した。モデルの感度は、臨床医と同等であり、病院外の低品質の画像に対してもロバストであった。このモデルの決定は、臨床的に関連性のある特徴に基づいていた。心臓の測定値は、正常および異常な心臓について報告された測定値と相関していた。ガイドラインに推奨される画像に適用すれば、アンサンブル学習モデルは、診断における重要で世界的な難問である胎児CHDの検出を大幅に改善する可能性がある。