Учёные Южно-Уральского государственного университета (ЮУрГУ) разработали и протестировали новый параллельный алгоритм PADDi, который способен за считанные секунды находить признаки сердечно-сосудистых заболеваний на миллионах кардиограмм. Как сообщили в пресс-службе вуза, технология уже прошла испытания на двух российских суперкомпьютерах — «Ломоносов-2» в МГУ и «Лобачевский» в Нижегородском университете.
Искусственный интеллект против сердечных заболеваний
Авторы проекта — заместитель директора НОЦ «Искусственный интеллект и квантовые технологии» Михаил Цымблер и начальник отдела интеллектуального анализа данных и виртуализации Яна Краева — отмечают, что система способна выполнять массовый и скоростной аудит кардиограмм, анализируя данные, которые невозможно уместить в памяти обычных компьютеров.
PADDi расшифровывается как PALMAD-based anomaly discovery on distributed GPUs — «поиск аномалий на распределённых графических процессорах». Алгоритм позволяет не только анализировать ЭКГ, но и обнаруживать аномалии в любых временных рядах, независимо от предметной области, при этом без участия отраслевых специалистов.
В основе технологии лежит введённое разработчиками понятие «диссонанса» — математической метрики, которая формализует нечеткое понятие аномалии. Такой подход позволяет алгоритму выявлять «нестандартные» паттерны в данных, отражающие реальные отклонения в состоянии пациента.
PADDi работает в два уровня обработки. На первом данные (например, множество кардиограмм) делятся на фрагменты, которые анализируются отдельными узлами вычислительного кластера. На втором уровне каждый фрагмент разбивается на сегменты, которые обрабатываются GPU-процессорами внутри узлов. Результаты вычислений объединяются, обеспечивая максимальную скорость и точность анализа.
Как подчеркнули в ЮУрГУ, технология может быть внедрена в системы дистанционного мониторинга и диагностики сердечно-сосудистых заболеваний, что позволит ускорить диагностику в масштабах всей страны и повысить доступность кардиологической помощи, особенно в регионах с ограниченными ресурсами.
По мнению разработчиков, PADDi можно адаптировать и для других медицинских задач — от анализа нейрофизиологических данных до мониторинга состояния пациентов с хроническими заболеваниями.
«Возможность анализа многомиллионных массивов данных за секунды открывает путь к принципиально новому уровню диагностики и прогнозирования заболеваний», — отметили в пресс-службе университета.