cAPM: 能動学習を用いた継続的AI支援ペースマッピング

心室頻拍（VT）は生命を脅かす不整脈であり、心臓突然死の主要な原因です。カテーテルアブレーション治療において、ペースマッピングは介入ターゲットを特定するための重要な臨床手順です。この手順では、臨床医が心室の異なる部位をペーシングし、その結果得られる心電図を迅速に解釈して、次にどこをペーシングするか、またはターゲット部位が特定されたかを判断する必要があります。従来の能動学習AIモデルは、臨床医に次のペーシング部位をガイドするために提案され、ペーシング部位の数を減らし、ペースマッピングの効率を向上させる可能性が示されています。しかし、既存の方法は各ターゲットごとに再学習が必要であり、同一患者内の複数のVT間や患者間で知識を転移する能力がありません。

この制限に対処するため、研究者らはcAPM（継続的AI支援ペースマッピング）を導入しました。これは、過去のペースマッピングデータから蓄積された知識を捕捉し転移することで、将来のターゲットVTに必要なペースマッピングデータ量を削減します。cAPMは、タスクに依存しない代理ニューラルネットワーク（ペーシング部位から12誘導心電図形態へのマッピングを学習）、最も情報量の多いペーシング部位を選択してモデルを洗練する能動学習戦略、および過去のターゲットの知識を保持しながら順次学習する継続学習戦略によって実現されます。

異なる生理学的条件と心室形状にわたって順次提示される位置特定タスクからなるインシリコテストベッドで評価した結果、cAPMは過去データの再生あり/なしの両方で、平均4.5箇所のペーシングサイトを用いて81%の確率で臨床許容範囲内（5mm精度）に位置を特定しました。比較対象の最先端能動学習法では、13.7箇所のペーシングサイトで38%の確率でした。これらの結果は、cAPMを生体内前臨床および臨床研究に進めるための強固な基盤を提供し、ペースマッピングのガイドに利用できる可能性を示しています。研究チームは、今後の動物実験や臨床試験を通じて、実際の手術におけるcAPMの効果と安全性を検証する予定です。成功すれば、cAPMはペースマッピングに必要な時間と患者の負担を大幅に軽減し、カテーテルアブレーションの成功率向上に貢献することが期待されます。