Способны ли врачи точнее выявлять риск внезапной сердечной смерти без внедрения сложного специализированного оборудования? Программное обеспечение на базе искусственного интеллекта, обученное на стандартных электрокардиограммах, выявляет критические кардиологические риски значительно точнее традиционных тестов, опираясь исключительно на существующую клиническую инфраструктуру. Анализируя рутинные диагностические записи, которые медицинские центры фиксируют ежедневно, алгоритмический скрининг определяет пациентов с высоким риском внезапной смерти, систематически упускаемых стандартными обследованиями.
Пересмотр традиционных метрик
Ежегодно внезапная остановка сердца уносит жизни более 300 000 человек в США. Этот неотложный клинический случай наступает при мгновенном нарушении электрической координации сердца, полностью блокирующем кровоток.
Приблизительно 90% пациентов, столкнувшихся с данным состоянием вне стен больницы, погибают в течение нескольких минут. Традиционные клинические протоколы пытаются защитить уязвимые группы, измеряя фракцию выброса — объем крови, перекачиваемый сердцем за одно сокращение. Данная метрика служит основным фильтром для принятия решения об имплантации кардиовертера-дефибриллятора. Однако стандартные клинические показатели изолируют когорту с ежегодной частотой внезапной сердечной смерти на уровне всего 4,6%.
Исследователи из University of California - Berkeley взялись за решение этого диагностического барьера. Опубликованные в журнале Nature результаты демонстрируют ранее незамеченный предупреждающий паттерн, скрытый в стандартных кардиологических записях. Команда обучила систему искусственного интеллекта более чем на 440 000 электрокардиограмм, собранных в Швеции, сопоставив характеристики электрических сигналов со свидетельствами о смерти.
«Принятие медицинских решений чрезвычайно сложно, и именно поэтому ИИ вызывает у меня такой интерес, — отметил Зиад Обермейер, доцент Школы общественного здравоохранения Калифорнийского университета в Беркли и ведущий автор исследования. — Мы можем не только принимать более качественные решения, но и глубже понимать, что в действительности происходит с пациентами до остановки сердца».
Обермейер, врач неотложной помощи, чья работа объединяет медицину, искусственный интеллект и политику здравоохранения, подчеркнул, что внезапная остановка сердца принципиально отличается от инфаркта миокарда. Вместо механической окклюзии, ограничивающей кровоток, в ее основе лежит сбой генерации и проведения электрических импульсов.
Поскольку летальный исход наступает стремительно, патологоанатомическое вскрытие фиксирует лишь физические аномалии — закупорку артерий или склерозирование тканей, — но не способно отразить функциональные параметры работы сердца непосредственно перед гибелью.
Анализ стандартных ЭКГ
Система ИИ проанализировала тысячи дополнительных медицинских карт пациентов в США и на Тайване, чтобы подтвердить устойчивость работы алгоритма на различных популяциях. В результате модель выделила группу риска с ежегодным уровнем смертности в 7%, превзойдя стандартные протоколы скрининга. Кроме того, алгоритм идентифицировал существенно более широкую группу пациентов, подверженных скрытой угрозе, включая тысячи людей, не вызывавших опасений в рамках действующих медицинских рекомендаций.
Традиционные методы скрининга фокусируются преимущественно на объеме крови, выбрасываемом за одно сокращение, относя тысячи уязвимых пациентов к группе низкого риска. При этом рост точности диагностики не требует от клиник закупки новых сканеров.
Модель ученых из Беркли обрабатывает данные обычных ЭКГ, которые повсеместно регистрируются в больницах и медицинских центрах. Разработка опирается на уже доступные клинические данные, не требуя перестройки диагностической базы.
Что это значит
Обычная ЭКГ оказалась куда более ценным активом, чем привыкли считать клиники: софт из University of California - Berkeley выжимает скрытую диагностику из стандартных рутинных записей без закупки дорогостоящей аппаратуры. Вместо механической оценки сокращений вроде фракции выброса алгоритм сосредоточился на электрических сбоях, которые традиционные протоколы десятилетиями упускали из виду. По сути, исследователи обошлись без перестройки диагностической базы больниц и проверили устойчивость модели на тысячах карт в США и на Тайване.