Ученые из MIT, Массачусетской больницы общего профиля и Гарвардской медицинской школы разработали модель глубокого обучения, которая позволяет прогнозировать состояние пациента с сердечной недостаточностью на год вперед. Эта технология может стать прорывом в области медицины, позволяя заранее выявлять риск ухудшения состояния пациентов.
Прорыв в области диагностики
Сердечная недостаточность — это хроническое заболевание, при котором мышцы сердца ослабевают или повреждаются. Это приводит к накоплению жидкости в легких и других частях тела, что может вызвать аритмии и даже внезапную остановку сердца. Современные методы лечения включают здоровый образ жизни, медикаменты и кардиостимуляторы, но проблема остается критической для здравоохранения.
Новая модель от MIT
Исследователи из MIT представили PULSE-HF — модель, которая использует данные электрокардиограммы (ЭКГ) для предсказания изменений в фракции выброса левого желудочка (LVEF) — ключевом показателе работы сердца. У здоровых людей этот показатель составляет 50-70%, а снижение ниже 40% свидетельствует о серьезных проблемах.
Перспективы и преимущества
Модель PULSE-HF помогает врачам определить, какие пациенты нуждаются в приоритетном наблюдении. Это позволяет оптимально распределять ресурсы и снижать нагрузку на медицинские учреждения. Более того, модель может применяться даже в условиях с ограниченными ресурсами, например, в сельских поликлиниках.
Технические достижения и вызовы
При тестировании PULSE-HF показала высокую точность, достигая AUROC от 0.87 до 0.91, что является отличным результатом для прогноза. Кроме того, была разработана версия модели для одноканальной ЭКГ, что упрощает ее использование в полевых условиях.
Процесс разработки модели был сложным и включал обработку и очистку больших объемов данных. Однако ученые уверены, что их работа станет важным шагом в развитии клинических ИИ-инструментов.
Следующий этап исследований
Следующий шаг — провести тестирование модели PULSE-HF на реальных пациентах в рамках проспективного исследования. Это поможет окончательно подтвердить ее эффективность и внедрить в медицинскую практику.
Исследователи из MIT продолжают работать над улучшением модели и уверены, что их подход поможет снизить страдания пациентов с сердечной недостаточностью, делая диагностику более точной и доступной.