Обнаружение сердечной недостаточности за одно сердцебиение с помощью ИИ

Опубликовано: 16 Декабря, 2021

Искусственный интеллект имеет множество приложений в разных областях. Хотите ли вы интеллектуальных роботов, беспилотные автомобили, умные дома и т. Д. Искусственный интеллект справится со всем !!! И среди этих приложений AI также очень полезен в области медицины для диагностики различных проблем. В частности, в этой статье мы поймем, как искусственный интеллект может обнаружить сердечную недостаточность за одно сердцебиение. Но чтобы понять это, давайте сначала посмотрим, что такое искусственный интеллект.

Что такое искусственный интеллект?

Искусственный интеллект (ИИ) - это мультидисциплинарная область, основная цель которой - автоматизировать деятельность, которая в настоящее время требует человеческого интеллекта. Основная цель искусственного интеллекта - улучшить поведение компьютера, чтобы его можно было назвать интеллектуальным. Это область исследований, основанная на предпосылке, что рациональное мышление можно рассматривать как форму вычислений, которую можно формализовать и в конечном итоге механизировать. Основные проблемные области, рассматриваемые в ИИ, можно резюмировать как восприятие, манипулирование, рассуждение, общение и обучение.

Успех искусственного интеллекта в медицине

Искусственный интеллект полностью произвел революцию в диагностике рака. Суперкомпьютер Watson от IBM может видеть отклонения в состоянии здоровья человека. Примерно в 30% случаев Watson ставит пациентам дополнительный диагноз, пропущенный экспертами. Еще более впечатляющих результатов удалось добиться с помощью ИИ в Хьюстонском методистском исследовательском институте, штат Техас. Искусственный интеллект исследует миллионы маммограмм и предлагает решения с точностью 99%.

Microsoft уже продемонстрировала, что ИИ впервые догнал человека в эффективности автоматического распознавания речи. Чтобы получить такой результат, компания использовала так называемые высокоточные и рекуррентные нейронные сети. Для подготовки к тесту потребовалось 2000 часов записанных данных.

Что такое застойная сердечная недостаточность?

Около 10 процентов взрослых старше 65 лет страдают застойной сердечной недостаточностью (ЗСН). Существует множество причин ЗСН, но основное хроническое заболевание обычно возникает из-за того, что сердце неспособно эффективно перекачивать кровь по телу. Рентген, анализы крови и ультразвук - все это полезные способы диагностики ЗСН. Тем не менее, один из наиболее распространенных методов включает использование сигналов электрокардиограммы (ЭКГ) для определения вариабельности сердечного ритма в течение нескольких минут или даже нескольких измерений в течение нескольких дней. Теперь был продемонстрирован впечатляющий новый подход с использованием сверточной нейронной сети (CNN), которая может почти мгновенно идентифицировать CHF, проверяя данные ЭКГ всего по одному сердечному сокращению.

Как можно обнаружить застойную сердечную недостаточность с помощью ИИ?

Применение искусственного интеллекта к электрокардиограмме (ЭКГ) позволяет на раннем этапе выявить дисфункцию левого желудочка, а также выявлять лиц с повышенным риском ее развития в будущем. Исследование, опубликованное в журнале Nature Medicine, показало, что точность ИИ / ЭКГ выгодно отличается от других распространенных скрининговых тестов, таких как простатоспецифический антиген при раке простаты и маммография при раке груди. Бессимптомная дисфункция левого желудочка (ALVD) характеризуется наличием слабой сердечной помпы с большим риском сердечной недостаточности. Он присутствует у 3–6 процентов населения в целом и тесно связан со снижением качества жизни и продолжительности жизни. Однако при обнаружении он поддается лечению. В настоящее время не существует недорогого, неинвазивного, безболезненного средства скрининга на ALVD, доступного для диагностического использования.

Чтобы решить эту проблему, Пол Фридман и его коллеги проверили, можно ли надежно обнаружить ALVD на ЭКГ с помощью должным образом обученной нейронной сети. Команда использовала парные данные ЭКГ и эхокардиограммы в 12 отведениях, включая фракцию выброса левого желудочка, от 44 959 пациентов в клинике Мэйо и обучила сверточную нейронную сеть идентифицировать пациентов с желудочковой дисфункцией, определяемой как фракция выброса менее 35 процентов, используя данные ЭКГ.

При тестировании на группе из 52 870 пациентов сетевая модель дала значения площади под кривой, чувствительности, специфичности и точности 0,93, 86,3 процента, 85,7 процента и 85,7 процента соответственно. У пациентов без желудочковой дисфункции те, у кого был положительный скрининг AI, в четыре раза превышали риск возникновения желудочковой дисфункции в будущем по сравнению с пациентами с отрицательным фильтром. «Это говорит о том, что сеть обнаружила ранние, субклинические, метаболические или структурные аномалии, которые проявляются на ЭКГ», - говорит Фридман.

100% точность обнаружения!

«Мы обучили и протестировали модель CNN на общедоступных больших наборах данных ЭКГ с участием субъектов с ЗСН, а также здоровых, неаритмичных сердец. Наша модель обеспечивала стопроцентную точность, проверяя только одно сердцебиение; мы можем определить, есть ли у человека сердечная недостаточность. Наша модель также является первой, которая может точно идентифицировать морфологические особенности ЭКГ, связанные с тяжестью состояния ». говорит Себастьян Массаро из Университета Суррея

Как предполагает Массаро, система команды сообщает о невероятной стопроцентной точности, но исследования не лишены каких-либо ограничений. Данные, использованные в исследовании, состояли только из показаний ЭКГ от пациентов с тяжелой ХСН или здоровых людей. Исследователи отмечают, что результаты могут быть не такими правильными для пациентов с более легкой формой ХСН. Поэтому, безусловно, необходимо проделать большую работу по верификации более широкого спектра диагнозов ХСН, прежде чем технология будет использована в клинической практике.