Несмотря на значительные достижения в диагностике и лечении, сердечно-сосудистые заболевания являются самой частой причиной смертности в Европе. Российские ученые предложили переломить ситуацию с помощью ранней точной диагностикой и оценки прогноза, используя для этого нейросеть — метод машинного обучения, смоделированный на основе обработки больших объемов информации.
Чтобы обучить сеть, подготовить ее к анализу случаев реальных пациентов, профессор завкафедрой госпитальной терапии Санкт-Петербургского государственного университета (СПбГУ) Андрей Обрезан и врач-кардиолог Тимур Абдуалимов использовали сопоставление результатов коронарной ангиографии — процедуры, которая сегодня считается золотым стандартом в диагностике состояния сосудов сердца, и данных ЭКГ.
В ходе исследования, искусственному интеллекту предстояло изучить значимые для диагностики параметры более 130 пациентов в возрасте от 31 года до 89 лет и научиться классифицировать коронарные артерии, выявлять наличие поражения сосудов и прогнозировать возникновение ишемической болезни — нарушения кровоснабжения сердечной мышцы.
С помощью нейросети врачи проанализировали информацию о пациентах из тестовой группы, которым была проведена плановая или экстренная коронарная катетеризация. Данные их медицинских карт, в том числе возраст, пол, диагноз, особенности патологии, наличие или отсутствие сопутствующих заболеваний, отягощенная наследственность, вредные привычки, а также результаты ЭКГ, были внесены в базу данных машинного обучения. Искусственный интеллект изучил полученные данные и определил, кто из пациентов столкнется с поражениями основных коронарных артерий и ишемической болезнью сердца.
Работа врачей показала, что нейросеть с задачей справилась лучше, чем традиционные методы диагностики. Например, выявляя ишемию миокарда, искусственный интеллект добился точности в 93%, в то время как суточный мониторинг ЭКГ — только 87%.
«В современной медицине принятие решений представляет собой сложный процесс, основанный на наличии объективных и надежных доказательств, доступе к знаниям, а также на правильном толковании имеющихся данных с учетом соотношения риска и пользы для пациента. В лечении сердечно-сосудистых заболеваний долгосрочное прогнозирование играет важную роль. Результаты наших тестов доказали высокий потенциал практического применения методов машинного обучения в клинической практике», — прокомментировал проведенные исследования профессор Андрей Обрезан.