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.

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.