Точність понад 90%. Модель штучного інтелекту навчили виявляти ранні захворювання серця на ЕКГ

Тести показують, що вона добре працює з даними кількох відомих медичних наборів даних, пише Medicalxpress.

Читайте также: Все через активність зірок. Сигнали інопланетян могли досягти Землі, але залишитися непоміченими

Серцево-судинні захворювання є серйозною проблемою охорони здоров’я — майже 18 мільйонів людей щороку помирають передчасно через них. Завдання полягає в тому, щоб знайти способи виявлення серцево-судинних захворювань на ранній стадії, щоб лікування було ефективним. ЕКГ — це стандартний спосіб реєстрації електричної активності серця, тому він є поширеним діагностичним інструментом. Інтерпретація запису вимагає значних знань, займає багато часу та не позбавлена ​​ризику неправильної інтерпретації.

Дослідники обговорюють одновимірну(1D) модель, яка може аналізувати сигнали ЕКГ паралельно з іншими клінічними даними. У тестах вона показала точність до 94,2% у виявленні ранніх стадій серцевих захворювань. Така точність у поєднанні з експертною клінічною оцінкою може надати медичним бригадам більш надійні варіанти для переведення пацієнта на наступний етап діагностики та потенційного лікування.

«Сучасні системи штучного інтелекту можуть визначати чутливі характеристики з сигналів ЕКГ, включаючи приблизний вік та інші персональні м’які біометричні дані з сигналів», — сказала Файруз Шадмані Шишир, докторантка з електротехніки та інформатики в Куала-Лумпурі, яка керувала дослідженням.

«У наших експериментах ми порівняли продуктивність нашої моделі з іншими сучасними моделями. Ми продемонстрували, що наша модель має конкурентоспроможну продуктивність порівняно з іншими підходами машинного навчання. Модель добре справляється з прогнозуванням серцевих захворювань та ризику ранньої смертності, водночас виявляючи менше біометричної інформації з ЕКГ-сигналів», — сказала Шишир.

Читайте также: Союзники США вимагають від Трампа відкрити доступ до Claude Mythos

Дослідники вважають, що їхній підхід потребує подальшого розвитку та перевірки за допомогою незалежних клінічних наборів даних, перш ніж його можна буде протестувати в реальних клінічних умовах.

Раніше NV Техно писав, що експерти з Гейдельбергу розробили систему штучного інтелекту, яка може класифікувати пухлини головного мозку з безпрецедентною точністю, використовуючи стандартні мікроскопічні зрізи тканин.

Використовуючи оцифровані стандартні забарвлення, система ідентифікує понад 100 молекулярних підтипів пухлин центральної нервової системи, надає результати протягом кількох хвилин і може пришвидшити діагностику пухлин головного мозку в усьому світі.