コンピューター支援聴診

コンピュータ支援聴診（CAA）またはコンピュータ支援聴診は、デジタル形式の聴診です。心臓音や肺音のデジタル録音の記録、視覚化、保存、分析、共有が含まれます。録音は、電子聴診器または同様の適切な録音デバイスを使用して取得されます。コンピュータ支援聴診は、診断プロセスの一環として聴診を行う医療専門家を支援するために設計されています。市販の CAA 製品は通常、医療専門家の診断を支援する臨床意思決定支援システムとして分類されます。そのため、これらは医療機器であり、管轄当局による認証または承認（FDA承認、認証機関による CE 適合など）が必要です。

従来の聴診と比較して、コンピューター支援聴診 (CAA) は、さまざまな関係者に有益なさまざまな改善をもたらします。

• CAAはより正確で客観的な結果をもたらす可能性があり、人間の聴診技術や主観的な解釈を上回る可能性があります。^[1]
• CAA を使用すると、聴診はもはや専門家や医師だけのものではなくなります。たとえば、看護師や救急隊員は、患者に対して CAA システムを正しく使用するよう簡単に指導できます。
• CAAは遠隔医療の新たな機会を切り開きます。リアルタイムの遠隔聴診は、世界中のどこにいても専門家が発展途上国や遠隔地の患者に見られるまれな症状を診断するのに役立ちます。^{[2] [3] [4]}
• CAA は、健康モニタリングと健康管理の新たな機会をもたらします。
• CAAは分析結果を電子的に文書化することを可能にする。結果は必要に応じて保存・取得でき、電子患者記録に含めることも可能である。^{[5] [6]}
• CAA から得られる標準化された聴診データは、国の保険者と提供者がより効率的で費用対効果の高いスクリーニング プログラムを実施するのに役立ちます。
• CAA は、医学生や看護学生への教育やトレーニングの目的で使用できます。

CAA システムでは、電子聴診器で音声が記録されます。音声データはBluetoothまたはオーディオ ケーブル接続を介して電子デバイスに転送されます。そのデバイス上の特別なソフトウェアがデータを視覚化し、保存し、分析します。より高度な CAA システムでは、CAA 分析によって診断を客観化するために使用できる結果が得られます (意思決定支援システム)。^[要出典]

CAA システムのコンポーネントは、システムの複雑さによって異なります。単純なシステムの中には、視覚化または保存オプションのみを提供するものもありますが、視覚化、保存、分析、およびデータの電子管理機能を組み合わせたシステムもあります。

電子聴診器（デジタル聴診器とも呼ばれる）は、音響音波をデジタル電気信号に変換します。これらの信号はトランスデューサーによって増幅され、現在では従来の音響聴診器の 100 倍のレベルに達します。さらに、電子聴診器はバックグラウンド ノイズをフィルタリングするために使用できます。この機能は安全性に関連し、より正確な診断に役立ちます。音の増幅とフィルタリングが電子聴診器の主な機能ですが、Bluetooth やオーディオ ケーブルを介して外部手段で音にアクセスできる機能は、CAA システムに最適なサウンド キャプチャ デバイスです。^{[引用が必要]}

電子聴診器に接続して音声信号 (心臓音や肺音など) を録音できるデバイスには、PC、ラップトップ、スマートフォンやタブレットなどのモバイル デバイスなどがあります。一般的に、CAA システムには、入力音声信号を視覚化できるソフトウェアが含まれています。より高度な CAA システムには、ユーザーが可能な限り最高の録音品質を実現できるように設計されたライブ ノイズ検出アルゴリズムが含まれています。

CAA システムの主な特徴は、信号処理アルゴリズムによって録音されたオーディオ信号を自動的に分析することです。このようなアルゴリズムは、録音に使用したデバイス上で直接実行することも、デバイスに接続されたクラウドでホストすることもできます。現在利用可能な分析アルゴリズムの自律性の程度は大きく異なります。一部のシステムは完全に自律的に動作しますが、^[7]初期の PC ベースのシステムでは、ユーザーによる操作と結果の解釈がかなり必要でした。^[8]また、他の分析システムでは、推定心拍数の手動確認/修正など、ユーザーによるある程度の支援が必要です。^[9]

録音された音とそれに関連する分析データおよび患者データは、電子的に保存、管理、またはアーカイブできます。患者識別情報は、その過程で処理または保存される可能性があります。保存されたデータが PHI (保護された健康情報) に分類される場合、そのようなデータをホストするシステムは、米国のHIPAAや EU のデータ保護指令など、国固有のデータ保護法に準拠している必要があります。現在の CAA システムのストレージ オプションは、ダウンロード可能な PDF レポートを取得する基本的な機能から、聴診ベースのすべてのデータを電子的に管理するための包括的なクラウドベースのインターフェイスまで多岐にわたります。^{[引用が必要]}

ユーザーは、ブラウザの Web ポータルや電子デバイス上のスタンドアロン ソフトウェアなどのユーザー インターフェイスを介して、すべての患者記録 (音声ファイルの再生を含む) を確認できます。その他の機能には、他のユーザーとの記録の共有、患者記録のエクスポート、EHR システムへの統合などがあります。

心雑音の検出と特徴づけを目的としたコンピュータ支援聴診は、コンピュータ支援心臓聴診（自動心音分析とも呼ばれる）と呼ばれます。

聴診器を用いた心臓の聴診は、心雑音を判別して心臓欠陥をスクリーニングする世界的に標準的な検査方法です。検査する医師は鋭い聴力と豊富な経験が必要です。雑音、心拍数の上昇、無害な心雑音と病的な心雑音を区別する能力など、さまざまな理由から正確な診断は依然として困難です。適切に実施された心臓の聴診検査は、心臓病の検出と管理において安価で広く利用可能なツールであると一般に考えられています。^[10]しかし、医師の聴診技術は低下していると報告されています。^{[11] [12] [13] [14] [15] [16] [17]} これにより、病気の診断が見逃されたり、不必要で高価な診断検査に過剰なコストがかかったりします。ある研究によると、これまで診断されていなかった新生児の先天性心欠陥の3分の1以上が、6週間目の検査までに見逃されています。^[18]高額な費用がかかる心エコー検査のために専門医に紹介されるケースの60%以上は、無害な雑音の誤診によるものです。^[14]そのため、心臓のCAAは、その基礎となるアルゴリズムが、正常心音と異常心音の違いを検出する能力について厳格かつ盲検化された方法で臨床試験されていれば、費用対効果の高いスクリーニングおよび診断ツールになる可能性があります。

心雑音（または心臓雑音）は、血液の乱流によって発生し、聴診器で聞こえる雑音です。心雑音は、主に心臓の鼓動と心臓弁の開閉によって発生する心音と区別する必要があります。一般的に、心雑音は無害性（生理的または機能的とも呼ばれる）または病的（異常）に分類されます。無害性雑音は通常無害であり、心臓外部の生理的状態や特定の良性の構造的欠陥によって引き起こされることが多いです。病的雑音は、心臓弁の問題に関連することが最も多いですが、さまざまな心臓の構造的欠陥によって引き起こされることもあります。心雑音の質的説明は、タイミング（収縮期雑音と拡張期雑音）、形状、位置、放射、強度、ピッチ、品質など、さまざまな特徴で構成されます。 CAAシステムでは、アメリカ心臓協会によると、心音と心雑音をクラスIとクラスIIIに分類するのが一般的です。^[19]

• クラスI: 病的雑音
• クラスIII: 無害な雑音または雑音なし

より高度な CAA システムでは、雑音のタイミング、等級分け、S1/S2 心音の位置を識別する機能など、雑音に関する追加の記述情報が提供されます。

CAA システムにおける心雑音の検出は、デジタル記録された心音の分析に基づいています。ほとんどのアプローチでは、次の 4 つの段階が使用されます。

1. 心拍数検出: 最初の段階では、心臓の音声信号に基づいて心拍数を決定します。これは、次の段階にとって重要なステップであり、高い精度が求められます。音響録音に基づく心拍数の自動決定は、心拍数が 40 ～ 200 bpm の範囲にあること、ノイズや雑音によって心音( S1 および S2) のピークがカモフラージュされること、不規則な心拍によって心拍の準周期性が乱されることなどから、困難です。
2. 心音のセグメンテーション: 心拍数が検出されると、心拍の 2 つの主な段階 (収縮期と拡張期) が識別されます。ほとんどの心雑音は心拍中の特定の段階で発生するため、この区別は重要です。環境からの外部ノイズや患者からの内部ノイズ (呼吸など) があると、心音のセグメンテーションが難しくなります。
3. 特徴抽出: 心拍の位相を識別した後、心音から情報 (特徴) を抽出し、さらに分類段階に進みます。特徴は、単純なエネルギーベースのアプローチから、より高次の多次元量まで多岐にわたります。
4. 特徴分類: 分類中、前の段階で抽出された特徴を使用して信号を分類し、雑音の存在と種類を評価します。主な課題は、雑音のない記録を軽度の無害な雑音と区別し、無害な雑音を病的な雑音と区別することです。通常、機械学習アプローチを適用して、トレーニング データに基づいて分類器を構築します。

CAA システムのパフォーマンス測定の最も一般的なタイプは、既存のデータを使用する遡及的 (非盲検) 研究と、新しい患者に対する前向き盲検臨床試験という 2 つのアプローチに基づいています。遡及的 CAA 研究では、分類器は既存のデータを使用して機械学習アルゴリズムでトレーニングされます。次に、分類器のパフォーマンスは同じデータを使用して評価されます。これにはさまざまなアプローチが使用されます (例: k 分割交差検証、leave-one-out 交差検証)。遡及的パフォーマンス データのみに基づいて CAA システムの品質 (感度、特異度) を判断することの主な欠点は、使用されるアプローチによって特定のシステムの実際のパフォーマンスが過大評価されるリスクがあることです。トレーニングと検証に同じデータを使用することで、検証セットが大幅に過剰適合する可能性があります。これは、ほとんどの分類器は既知のデータを非常にうまく分析するように設計できますが、未知のデータを正しく分類できるほど汎用的ではない可能性があるためです。つまり、結果は、新しい、見たことのない患者でテストした場合よりもはるかに良く見えることになります。 「選択されたネットワーク（CAA システム）の真のパフォーマンスは、テスト セットと呼ばれる 3 番目の独立したデータ セットでパフォーマンスを測定することによって確認する必要があります。」^[20]要約すると、選択バイアスと遡及バイアスの影響を受けやすいため、遡及的非盲検研究の信頼性は通常、前向き臨床研究の信頼性よりもはるかに低いと考えられています。公開されている例としては、Pretorius ら^[21]などがあります。 一方、前向き臨床研究は、CAA システムの真のパフォーマンスを評価するのに適しています（研究が盲検化され、適切に管理されている場合）。CAA システムのパフォーマンスを評価する前向き臨床研究では、CAA システムの出力がゴールド スタンダード診断と比較されます。心雑音の場合、適切なゴールド スタンダード診断は、心エコー図に基づく診断によって層別化された聴診に基づく専門医の診断です。公開されている例としては、Lai ら^[1]などがあります。

• 心弾動図法
• 良性小児心雑音
• 心臓の音
• 胸部検査