大動脈弁の狭窄である大動脈弁狭窄症は、最も一般的で深刻な心臓弁機能障害の XNUMX つです。 通常、カルシウム沈着物の蓄積が原因で (または、先天性心疾患が原因である場合もあります)、この狭窄により左心室から大動脈への血流が制限され、重度の場合、心不全につながる可能性があります。
特に高度な技術にアクセスできない遠隔地で使用する場合は、状態を特定するための高感度で費用対効果の高い技術の開発が最も重要です。 この課題に対処するために、インドとスロベニアの研究者は、複雑なネットワーク分析を使用して心臓弁の機能不全を特定する、正確で使いやすく低コストの方法を作成しました。
「地方の保健センターの多くは、このような病気を分析するために必要な技術を持っていません」とチーム メンバーは説明します。 MSスワップナ ノバゴリカ大学、プレス ステートメントで。 「私たちの技術に必要なのは、聴診器とコンピューターだけです。」
違いを聞いてください
健康な人は XNUMX つの心音を生成します。XNUMX つ目 (「lub」) は僧帽弁と三尖弁の閉鎖によるもので、XNUMX つ目 (「dub」) は大動脈弁と肺動脈弁が閉じてその間に一時停止 (収縮期領域) があります。 . これらの信号には、心臓を通る血流に関する情報が含まれており、音のピッチ、強度、位置、およびタイミングの変化により、患者の健康に関連する重要な情報が提供されます。
Swapna と同僚 – ビジャヤン ビジェシュ、K サティーシュ クマール、S サンカララマン ケララ大学 – 大動脈弁狭窄症の心雑音を識別するためのグラフ理論に基づく簡単な方法の開発を目的としました。 これを行うために、彼らは正常な心臓 (NMH) と大動脈弁狭窄症 (ASH) の心臓からの 60 のデジタル心音信号を調べました。 彼らは信号を高速フーリエ変換 (FFT)、複雑なネットワーク分析、および機械学習ベースの分類にかけ、その結果を 応用物理ジャーナル.
研究者はまず、各音声信号を時系列に変換しました。 代表的な健康な心臓からの信号は、XNUMX つの心音とそれらの間の分離を明確に示しましたが、大動脈弁狭窄症の心臓からの信号は菱形の雑音を示しました。
次に、チームは FFT を使用して時間領域の信号を周波数領域に変換し、弁の機能不全によって変化する心雑音の周波数成分に関する情報を提供しました。 NMH の FFT 分析は、正常な心臓の XNUMX つの音信号から明確に定義されたピークを示しました。 ただし、ASH の場合、FFT スペクトルには広い周波数範囲にわたって多数の信号が含まれており、ラブ サウンドとダブ サウンドに割り当て可能な明確なピークはありませんでした。 これらの追加のコンポーネントは、大動脈弁をブロックし、血流に乱流を作成するカルシウム沈着から発生する振動に起因します。
時間領域分析と FFT 分析の両方で、欠陥のあるバルブの予備的な識別が可能ですが、音信号をさらに分析するために、研究者はデータを使用してグラフ、または接続点の複雑なネットワークを作成しました。 データをセクションに分割し、各部分をグラフ上のノードとして表します。 データのその部分のサウンドが別のセクションと類似していた場合、XNUMX つのノード間に線が引かれます。
健康な心臓では、グラフは XNUMX つの異なる点のクラスターを示し、多くの接続されていないノードがありました。 接続されていないノードは、心臓が適切に機能していることを示す、収縮期領域に時間領域信号が存在しないことが原因である可能性があります。 大動脈弁狭窄症を伴う心臓のネットワークははるかに複雑で、XNUMX つの顕著なクラスターがあり、相関関係のない結節がなく、潜在的な弁欠陥を示しています。
チームは、各信号のグラフから、グラフ機能と呼ばれる一連のパラメーターを抽出しました。 これらの特徴 (エッジの平均数、直径、ネットワーク密度、推移性、中間中心性) を機械学習手法で使用して、信号を ASH または NMH として分類できます。
高度な心臓 MRI がスティフ ハート シンドロームの治療を導く
100 つの教師あり機械学習分類器 (K 最近傍 (KNN)、サポート ベクター マシン、および KNN サブスペース アンサンブル) は、それぞれ 95.6%、90.9%、および XNUMX% の予測精度を示しました。 この高い精度は、これらの数学的概念を使用することで、デジタル心臓聴診の感度と信頼性が向上し、地方の医療センターで簡単に採用できることを示唆しています。
研究者はこれまでのところ、臨床環境ではなく、既存のデータを使用してこの方法をテストしただけです。 彼らは現在、世界中でアクセスできるモバイル アプリケーションを開発しています。 「現在、心雑音の包括的な分析を行うために、他の心雑音を分析しています」と Swapna 氏は語っています。 物理学の世界. 「その後、医師の助けを借りて音を直接録音することで、作業は現実世界のデータに拡張されます。 ソフトウェアとモバイル アプリケーションの開発は、作業の第 XNUMX 段階になります。」
