救急部門における心臓CTのAI支援診断

本研究は、急性胸痛を呈する患者における救急医の診断精度、確信度、意思決定に対する人工知能（AI）ベースの冠動脈CT血管造影（CCTA）解析ツール（Angiomics）の影響を評価するために設計された前向き実用的無作為化比較試験である。

背景と理論的根拠 CCTAは急性胸痛または急性冠症候群（ACS）が疑われる患者に対して救急部門で広く使用されている。 冠動脈の迅速かつ精密な可視化を提供し、救急医が時間制限のある臨床判断を行うのを支援する。 しかしながら、CCTAの解析には専門的な訓練と経験が必要であり、特に夜間や資源が限られた環境では常に利用可能とは限らない。 この制限は診断と治療を遅らせ、患者の転帰不良を招く可能性がある。

AI技術の最近の進歩により、CCTA画像を分析し冠動脈狭窄や心筋虚血などの臨床的に有意な所見を同定できる自動ツールの開発が可能となった。 これらのツールは、診断精度の向上、解析時間の短縮、医師の確信度の向上、医療資源の最適化を通じて救急医を支援する可能性を秘めている。 これらの利点にもかかわらず、AIベース解析が現実のED臨床ワークフローと医師の意思決定に及ぼす影響については、未だ十分に研究されていない。

本試験は、AIベースCCTA解析ツールの統合が救急医の診断性能と臨床的確信度を改善するかどうか、そしてそのような改善がEDにおけるより信頼性の高い意思決定に結びつくかどうかを評価することで、この知識の隔たりを埋めることを目的としている。

試験デザイン

本研究は前向き実用的無作為化比較デザインを採用する。 対象参加者は18歳以上の成人で、EDに胸痛を主訴に来院し、HEARTスコア（4-6点）で中等度リスクに分類される患者とする。 インフォームドコンセント取得後、参加者は以下の2群に無作為割り付けされる：

1. AI支援群（実験群）：救急医がAngiomicsソフトウェアによるAI結果にアクセス可能な状態でCCTAスキャンを解析する。
2. 標準解析群（対照群）：救急医がAI結果にアクセスせずにCCTAスキャンを解析する。

全ての医師は4主要冠動脈（左主幹部、左前下行枝[LAD]、左回旋枝[LCX]、右冠動脈[RCA]）の狭窄を評価し、標準化された形式（Yes/No/非診断的/その他所見）で所見を記録する。 加えて、医師は5段階リッカート尺度（1：全く確信なし～5：非常に高い確信）で診断確信度を評価する。

参照基準 診断性能の参照基準は、胸部画像診断を専門とする委員会認定放射線科医による盲検化された合意解釈とする。 既往研究では、専門放射線科医の合意と侵襲的冠動脈造影との間に98-99%の一致率が示されており、このアプローチの妥当性を支持している。

アウトカム 主要アウトカムは患者レベルにおけるCCTA解釈の陰性的中率（NPV）であり、AI支援解析と標準解析を比較する。 患者レベルのアウトカムは4主要冠動脈にわたる所見を統合して導出する。

副次アウトカムは以下を含む：

• 感度、特異度、陽性的中率（PPV）、全診断精度
• 医師の診断確信度（リッカート尺度）
• LM、LAD、LCX、RCAにおける血管レベルの診断性能
• Cohenのカッパ統計を用いた放射線科医合意との一致度

サンプルサイズと統計解析 サンプルサイズ推定は、公表データと地域有病率に基づきPASSソフトウェアを用いて実施した。 18%の有病率を考慮し、各群で陰性診断が必要な計算サンプルサイズは181患者である。 これは対照群248名、介入群228名に相当する。 10%の脱落率を仮定し、最終登録目標は530参加者（対照群276名、介入群254名）とする。

中間解析は50%登録時に実施し、O'Brien-Fleming法でα消費を調整する。 最終解析は両側α=0.049で行う。

診断性能（感度、特異度、PPV、NPV、精度）の比較にはカイ二乗検定またはフィッシャーの正確検定を適宜使用する。 医師と放射線科医合意読影との一致度はCohenのカッパで評価する。 全ての統計検定は両側とし、有意水準はp<0.05とする。

データ収集と機密性 データは日常臨床ワークフロー内で収集し、施設方針と国のプライバシー規制に従って安全な非識別化形式で保存する。 承認された研究者のみがデータにアクセス可能とする。 データは研究終了後3年間保存した後、安全に廃棄する。

安全性とモニタリング 本試験は日常臨床ケア以外の処置を含まないため、参加者へのリスクは最小限である。 研究参加により追加の被曝、投薬、または侵襲的介入は導入しない。 研究代表者は年1回のプロトコル遵守状況とデータ品質をモニタリングする。

意義 本研究はEDにおけるAIベースCCTA解析ツールの臨床的有用性に関するエビデンスを提供する。 AI支援が診断精度と医師の確信度を改善するかどうか、そして現実の救急医療に効果的に統合できるかどうかを明らかにすることが期待される。 結果は、急性期医療設定における患者転帰と資源利用を最適化するためのAIツール導入のベストプラクティスに情報を提供する可能性がある。