Учёные из Калифорнийского университета в Беркли с помощью искусственного интеллекта обнаружили ранее не описанный признак на обычной электрокардиограмме (ЭКГ), связанный с повышенным риском внезапной сердечной смерти.
Алгоритм выделил группу пациентов, у которых годовая частота таких случаев достигала 7%. Для сравнения: среди пациентов, которых стандартный метод относит к группе высокого риска, этот показатель составил 4,6%.
Модель обучили на 441 614 ЭКГ, собранных в одном из регионов Швеции в течение 6 лет. Записи сопоставили с медицинскими картами и свидетельствами о смерти, чтобы алгоритм мог находить особенности электрической активности сердца, связанные с последующей внезапной сердечной смертью. Затем его проверили на независимых данных из медицинской системы в США и больницы в Тайбэе. В американской выборке было более 250 000 ЭКГ, полученных от 139 613 пациентов.
В шведской выборке алгоритм выделил группу высокого риска, составившую 2,2% пациентов. Годовая частота внезапной сердечной смерти в ней достигла 7%. Для сравнения учёные использовали фракцию выброса левого желудочка — показатель того, какую долю крови сердце выталкивает при каждом сокращении. Он применяется при оценке риска и принятии решения об установке имплантируемого кардиовертера-дефибриллятора (ИКД) — устройства, способного распознать опасное нарушение ритма и восстановить нормальную работу сердца электрическим разрядом. Среди пациентов с пониженной фракцией выброса годовая частота внезапной сердечной смерти составила 4,6%. При этом 86,1% пациентов, которых обнаружила ИИ-модель, не попадали в группу высокого риска по этому традиционному показателю.
Источник изображения: сгенерировано Muse
Исследователи также попытались выяснить, какие именно особенности ЭКГ распознаёт нейросеть. Для этого они объединили прогностическую модель с генеративной: та создавала изменённые варианты кардиограмм, постепенно повышая оценку риска для одного и того же сердечного ритма. Сравнение таких записей помогло выделить необычную форму комплекса QRS — участка ЭКГ, отражающего электрическое возбуждение желудочков сердца. В отведении aVL, которое регистрирует электрическую активность сердца с определённой позиции, конец зубца R оказался сглаженным и заменял характерный резкий отрицательный зубец S. Авторы считают эту особенность ранее не описанной. Они подтвердили её самостоятельную связь с риском внезапной сердечной смерти, но пока не установили, какие именно изменения в тканях сердца её вызывают.
Проверка на данных из других стран показала, что модель способна переносить свои прогнозы на пациентов за пределами обучающей выборки. В США она выявляла повышенный риск желудочковых аритмий — нарушений ритма, способных привести к остановке сердца. В тайваньской выборке алгоритм распознавал пациентов с последующими остановками сердца, вызванными аритмией. Это важно для оценки применимости метода в разных медицинских системах, хотя результаты пока не означают, что алгоритм готов заменить врачебное обследование или самостоятельно определять необходимость имплантации дефибриллятора.
Следующий этап — проверка технологии в реальной клинической практике. Руководитель работы Зиад Обермейер из Школы общественного здравоохранения Беркли сотрудничает с медицинскими организациями в Швеции, США и Тайване, чтобы анализировать уже имеющиеся в больницах ЭКГ и находить пациентов, которым может потребоваться дополнительное наблюдение. Одним из вариантов такого обследования станет ношение специального пластыря, непрерывно регистрирующего электрическую активность сердца. Более длительные записи могут помочь понять, какие физиологические процессы стоят за обнаруженным сигналом.
Внезапная остановка сердца отличается от инфаркта: она возникает из-за нарушения электрической активности, которая координирует сокращения сердечной мышцы. Только США ежегодно от неё умирают более 300 000 человек. Главная сложность профилактики — определить тех, кому действительно нужен имплантируемый дефибриллятор: существующие критерии пропускают часть людей, которым он мог бы помочь, и одновременно направляют на имплантацию пациентов, у которых устройство впоследствии не срабатывает. Новый метод пока не решает эту проблему окончательно, но предлагает способ искать дополнительные признаки опасности в обследовании, которое уже широко применяется в медицине.
