Что это за сигнал?

Искусственный интеллект выявил в ЭКГ тонкие, едва уловимые изменения формы волн — тех самых «зубцов» и «сегментов», которые отражают электрические токи, проходящие через сердце . Эти паттерны коррелируют с тем, что электрическая система сердца начинает давать сбой задолго до остановки. Человек-врач или обычный компьютерный анализ этих изменений не видит. Пока ученые не знают точного физиологического механизма, но нейросеть явно «нашла» что-то, что связано с тем, как сердце внезапно и смертельно «сходит с ритма» .

Как обучали и проверяли модель

Исследователи «скормили» нейросети более 440 000 электрокардиограмм из национального реестра Швеции . Каждая запись была связана с исходом для пациента (жив/умер, и если умер — от внезапной сердечной смерти или нет). Модель училась самостоятельно находить закономерности между формой сигнала ЭКГ и будущим фатальным событием.

После этого модель проверили на тысячах независимых записей пациентов из Сан-Диего (США) и Тайбэя (Тайвань) . Это ключевой момент: если бы модель работала только на шведских данных, её можно было бы списать на особенности популяции или оборудования. Но тот факт, что она показала высокую точность на данных из совершенно разных стран и больниц, доказывает универсальность найденного сигнала . Статья в Nature подтверждает, что модель разработана на основе обширных ЭКГ-данных и записей о смертности .

Насколько точнее стал прогноз?

Стандартный клинический тест риска внезапной смерти, который используется сегодня, — это фракция выброса (мера того, сколько крови сердце выбрасывает за один удар). Этот тест определяет группу высокого риска с 4,6% годовой вероятностью внезапной смерти .

Новая ИИ-модель выявляет группу риска уже с 7% годовой вероятностью . Разница — в полтора раза. Но главное, что нейросеть не просто лучше «отсеивает», но и захватывает больше пациентов, которых стандартные тесты ошибочно считают низкорисковыми. Эти проценты переводятся в тысячи людей в год, которых можно было бы спасти .

Почему это так важно?

Внезапная остановка сердца убивает более 300 000 человек в США каждый год . Сердце перестаёт биться без каких-либо предшествующих симптомов. При этом существует эффективное лечение — имплантируемый кардиовертер-дефибриллятор (ИКД), который бьёт сердце током и возвращает его к нормальному ритму . Проблема в том, что врачи не знают, кому именно этот прибор нужен . Вскрытие может показать структурные повреждения сердца, но не то, что происходило с его электрической системой за секунды до смерти .

«У нас есть эффективное лекарство, — говорит Обермайер, — но мы не можем понять, кто им должен воспользоваться, пока не стало слишком поздно» .

Что дальше?

Исследователи планируют внедрить алгоритм в клиническую практику в реальных больницах, чтобы помочь врачам точнее назначать ИКД . Кроме того, открытие этого сигнала даёт толчок новым фундаментальным исследованиям: учёные хотят понять, какой именно физиологический механизм стоит за этими незаметными изменениями на ЭКГ . Цель — не просто предсказывать, но и понимать первопричину сбоя .

Поскольку ЭКГ — это рутинная, дешёвая и доступная процедура по всему миру, новый инструмент может быть очень быстро масштабирован и спасти миллионы жизней .

Что это за сигнал?

Искусственный интеллект выявил в ЭКГ тонкие, едва уловимые изменения формы волн — тех самых «зубцов» и «сегментов», которые отражают электрические токи, проходящие через сердце . Эти паттерны коррелируют с тем, что электрическая система сердца начинает давать сбой задолго до остановки. Человек-врач или обычный компьютерный анализ этих изменений не видит. Пока ученые не знают точного физиологического механизма, но нейросеть явно «нашла» что-то, что связано с тем, как сердце внезапно и смертельно «сходит с ритма» .

Как обучали и проверяли модель

Исследователи «скормили» нейросети более 440 000 электрокардиограмм из национального реестра Швеции . Каждая запись была связана с исходом для пациента (жив/умер, и если умер — от внезапной сердечной смерти или нет). Модель училась самостоятельно находить закономерности между формой сигнала ЭКГ и будущим фатальным событием.

После этого модель проверили на тысячах независимых записей пациентов из Сан-Диего (США) и Тайбэя (Тайвань) . Это ключевой момент: если бы модель работала только на шведских данных, её можно было бы списать на особенности популяции или оборудования. Но тот факт, что она показала высокую точность на данных из совершенно разных стран и больниц, доказывает универсальность найденного сигнала . Статья в Nature подтверждает, что модель разработана на основе обширных ЭКГ-данных и записей о смертности .

Насколько точнее стал прогноз?

Стандартный клинический тест риска внезапной смерти, который используется сегодня, — это фракция выброса (мера того, сколько крови сердце выбрасывает за один удар). Этот тест определяет группу высокого риска с 4,6% годовой вероятностью внезапной смерти .

Новая ИИ-модель выявляет группу риска уже с 7% годовой вероятностью . Разница — в полтора раза. Но главное, что нейросеть не просто лучше «отсеивает», но и захватывает больше пациентов, которых стандартные тесты ошибочно считают низкорисковыми. Эти проценты переводятся в тысячи людей в год, которых можно было бы спасти .

Почему это так важно?

Внезапная остановка сердца убивает более 300 000 человек в США каждый год . Сердце перестаёт биться без каких-либо предшествующих симптомов. При этом существует эффективное лечение — имплантируемый кардиовертер-дефибриллятор (ИКД), который бьёт сердце током и возвращает его к нормальному ритму . Проблема в том, что врачи не знают, кому именно этот прибор нужен . Вскрытие может показать структурные повреждения сердца, но не то, что происходило с его электрической системой за секунды до смерти .

«У нас есть эффективное лекарство, — говорит Обермайер, — но мы не можем понять, кто им должен воспользоваться, пока не стало слишком поздно» .

Что дальше?

Исследователи планируют внедрить алгоритм в клиническую практику в реальных больницах, чтобы помочь врачам точнее назначать ИКД . Кроме того, открытие этого сигнала даёт толчок новым фундаментальным исследованиям: учёные хотят понять, какой именно физиологический механизм стоит за этими незаметными изменениями на ЭКГ . Цель — не просто предсказывать, но и понимать первопричину сбоя .

Поскольку ЭКГ — это рутинная, дешёвая и доступная процедура по всему миру, новый инструмент может быть очень быстро масштабирован и спасти миллионы жизней .