Logo
Cover

Чтобы спасти человека с сердечным приступом, необходимы быстрые действия врачей. Но у них не всегда хватает времени, чтобы поставить диагноз и предпринять необходимые меры. Помочь медикам может искусственный интеллект. Например, алгоритм, разработанный немецкими исследователями, который диагностирует сердечный приступ быстрее кардиолога.

26

При инфаркте миокарда, или сердечном приступе, кровоснабжение сердечной мышцы нарушается из-за закупорки артерии. Лечение заключается в расширении поврежденного сосуда с помощью стента или шунтировании. Любое вмешательство должно быть быстрым, так что важно своевременно поставить диагноз.

Однако быстро диагностировать инфаркт в палате неотложной помощи — непростая задача. В хаотической обстановке легко упустить признаки сердечного приступа. Исследователи из Германии решили, что там, где неэффективен человек, может справиться алгоритм, натренированный с помощью машинного обучения.

Принцип его действия основан на анализе данных ЭКГ — одного из лучших инструментов для выявления инфаркта. Опытным кардиологам известно, как с высокой точностью трактовать его показания, но это сложный процесс. В неотложной обстановке он становится еще более трудным. В отличие от человека, алгоритм не подвержен стрессу и не отвлекается на шум.

Чтобы натренировать и протестировать его, ученые использовали записи ЭКГ 148 пациентов с инфарктом миокарда и 52 здоровых человек.

Для подачи данных в нейросеть использовался так называемый метод скользящего окна. Проверка эффективности алгоритма показала интересные результаты, сообщает Technology Review. Оказалось, что по производительности эта нейросеть превосходит все существующие аналоги и не уступает кардиологам-людям.

Это значительный прорыв: впервые искусственный интеллект смог диагностировать сердечный приступ не хуже врача. Впрочем, технология не идеальна. Одна из проблем — небольшая выборка данных, на которой построена и проверена нейросеть. Больших баз данных о диагностике инфаркта миокрада пока не существует, но их необходимо создать для дальнейших обкатки и тестирования алгоритма.

Несмотря на трудности, потенциал разработки огромен. Она избавит врачей от рутинной диагностики и позволит сосредоточиться на терапии. Более того, принцип анализа ЭКГ, положенный в основу алгоритма, можно масштабировать и для других методов диагностики.

Алгоритмы могут использоваться не только при диагностике, но и во время операций. Например, специальная нейросеть способна предсказать падение давления при хирургическом вмешательстве. Она анализирует данные о поведении сердца и сосудов и подает врачам сигнал за 15 минут до приступа гипотензии.