Apple Watchをがん患者の治療に役立てている病院が存在していますが、医師の診断前にApple Watchを使って不整脈を発見し、心臓病や脳卒中などの病気を防ぐ方法が研究されています。

不整脈の一種である「心房細動」は不整脈の中で最も患者数が多く、アメリカでの心房細動患者は270万人。投薬治療が可能なため、早期発見により脳卒中の危険性を75％も減らすことができるとのこと。

そこでデータ・サイエンティストのYancheng Liu氏が目を付けたのが、Apple WatchやAndroid Wearなどのウェアラブル端末。心電図の過去データよりも大量に心拍数のデータが得られることから、ウェアラブル端末が収集した心拍数の測定値を、医療の現場で活用することを思いついたそうです。

Yancheng氏は、Extremely Randomized Trees(ERT)やRandom Forest(RF)といった機械学習技術を使って、データの精度(accuracy)、適合率(precision) 、再現率(recall)を分析。4つの機械学習技術の解析結果を比較したものが以下の表です。Yancheng氏によれば、K-nearest neighbors(kNN)という機械学習が最も解析スピードが速かったのですが、表左端のERTでは、心房細動の患者を50％の確率で特定することができ、心房細動を発症する可能性のある人は86％も発見することに成功。ERTが適合率や再現率の高さで一歩秀でていることが分かったそうです。

記事原文はこちら（『Gigazine』2016年3月18日掲載）

※記事公開から日数が経過した原文へのリンクは、正常に遷移しない場合があります。ご了承ください。