Сердечно-сосудистые заболевания ― одна из основных причин смертности во всем мире. По статистике ВОЗ, ежегодно они уносят жизни 17,9 млн человек ― ни по какой другой причине ежегодно не умирает столько людей. При этом более половины смертельных случаев приходится на сердечный приступ, также известный как инфаркт миокарда. Это опасная патология, которая возникает при нарушении кровоснабжения сердечной мышцы. В случае инфаркта решающей может стать каждая минута, поэтому при первых симптомах сердечного приступа необходимо как можно скорее вызвать скорую помощь.

Один из основных методов диагностики инфаркта ― снятие ЭКГ (электрокардиограммы). Это исследование позволяет обнаружить изменения в работе сердца, связанные с нарушением его кровоснабжения. В зависимости от формы инфаркта миокарда, ЭКГ может показывать различные изменения.

Но нередко ЭКГ недостаточно и точный диагноз пациенту можно поставить только после оценки целого ряда показателей, полученных после лабораторной и инструментальной диагностики. В экстренных случаях ждать результатов всех этих исследований нет времени, и врачам приходится полагаться только на доступные в моменте данные.

Чтобы помочь врачам точнее диагностировать заболевания сердца по записям ЭКГ, сегодня разрабатываются в том числе различные методы на основе искусственного интеллекта. Например, учёные из Стэнфордского университета и Калифорнийского университета в Сан-Франциско несколько лет назад представили глубокую нейронную сеть для автоматического обнаружения и классификации аритмии. Обучение проводилось с использованием 91 232 ЭКГ в одном отведении для 53 549 пациентов (отведение ― это вариант расположения электродов для регистрации электрокардиограммы. Как правило при регистрации ЭКГ используют 12 общепринятых отведений ― прим. ред.).

А ученые из Медицинского исследовательского института Седжонга (Южная Корея) в 2020 году разработали алгоритм, который распознает инфаркт миокарда на основании ЭКГ в 6 отведениях.

Над чем работают в ИТМО

Команда исследовательского центра «Сильный искусственный интеллект в промышленности» ИТМО работает над созданием собственного алгоритма, который мог бы помочь врачам точнее определять инфаркт миокарда по записям ЭКГ.

В своей работе ученые использовали исследование коллег из Института технологий и науки Бирла (Индия), в котором были классифицированы комплексы QRS. Такой комплекс показывает один сердечный цикл, при котором сокращаются желудочки и кровь поступает в аорту. Команда из ИТМО модифицировала модель и обучила ее на данных обо всем сигнале ЭКГ. Теперь модель предсказывает не отдельные свойства комплекса QRS, а находит изменения, свойственные пациентам с инфарктом, на всем графике ЭКГ.

Для этого специалисты написали программу на PyTorch (фреймворк машинного обучения для языка Python с открытым исходным кодом на базе Torch) и применили модель сиамской сверточной нейросети. Затем авторы обучили алгоритм определять инфаркт на данных из датасета, который в равном соотношении содержит информацию об электрокардиограммах здорового сердца и сердца при инфаркте. На данных из этого же датасета ученые протестировали модель: точность диагностики инфаркта составила 85%. При этом на обработку одной электрокардиограммы алгоритм тратит не больше одной секунды — достаточно лишь загрузить график ЭКГ в программу.

В модель также добавили инструмент Grad-CAM ― это один из подходов в машинном обучении, позволяющих интерпретировать модель и визуализировать её результаты. Благодаря этому, как отмечают разработчики, инструмент сразу может формировать рисунок графика ЭКГ с подсвеченными участками, на которых могут быть признаки инфаркта.

По словам руководителя разработки, доцента факультета инфокоммуникационных технологий Наталии Гусаровой, алгоритм может сделать заключение на длине выборки ЭКГ, состоящей примерно из пяти ударов сердца. Это означает, что для снятия информативной ЭКГ врачам потребуется около пяти секунд — при том, что обычно это делают примерно в 4 раза дольше — за 20 секунд.

Как добавляет один из авторов модели, студент факультета программной инженерии и компьютерной техники Владимир Шилоносов, еще одно преимущество разработки в том, что она использует технологию FewShot, которая позволяет дообучать модель на специфичных данных (например, на ЭКГ пациентов конкретной больницы) и повышать точность предсказания.

Это значит, что модель можно адаптировать для конкретного учреждения — обычно данные в них отличаются из-за разных приборов для считывания ЭКГ, выборки людей и других причин. Таким образом,  модель потенциально позволяет диагностировать инфаркт у определенной группы людей: пожилых, людей с конкретными нарушениями в работе сердца.

Что дальше

Авторы разработки предполагают, что в перспективе алгоритм можно использовать в больницах как дополнительную систему, которая поможет врачам быстрее и точнее диагностировать инфаркт. Разработчики уже запланировали провести клинические испытания модели на базе Национального медицинского исследовательского центра им. В.А. Алмазова. При этом алгоритм не заменит уже существующие медицинские исследования или труд квалифицированных специалистов. На основе данных система способна определять и подсвечивать области ЭКГ с признаками инфаркта и обратить на них внимание врача.

В будущем исследователи планируют обучить модель находить и другие заболевания сердца по ЭКГ: например, стенокардию и ишемическую болезнь сердца.

«Существующие приложения для принятия решений на основе ИИ по ЭКГ обучены на больших наборах данных, но их не спешат использовать на практике. Все потому, что методы машинного обучения, которые используют в таких алгоритмах, принципиально “непрозрачны”. Врач не может следить за процессом принятия решений алгоритмом, и поэтому не доверяет результатам полностью. В своем решении мы использовали концепцию объяснимого искусственного интеллекта и постарались перевести процесс работы алгоритма в состояние “прозрачного ящика”. Поэтому наш алгоритм не просто ставит диагноз, а выделяет участки на ЭКГ с признаками инфаркта», — рассказал один из авторов разработки, студент факультета программной инженерии и компьютерной техники Владимир Шилоносов.