Сердечная недостаточность требует тщательного наблюдения, особенно после госпитализации. Ключевым показателем является фракция выброса (ЛВЭФ), которая обычно измеряется с помощью эхокардиографии. Исследователи из MIT и Гарварда представляют PULSE-HF, модель, которая анализирует простой электрокардиограмму для предсказания ухудшения ЛВЭФ. Это позволит приоритизировать наблюдение за пациентами с более высоким риском.
Глубокое обучение интерпретирует скрытые сигналы в ЭКГ 💡
PULSE-HF использует сверточные нейронные сети, обученные на тысячах пар ЭКГ и эхокардиограмм. Модель не диагностирует заболевание, а идентифицирует тонкие паттерны в электрическом сигнале сердца, предшествующие ухудшению насосной функции. Обрабатывая стандартную ЭКГ, она генерирует предсказание риска. Подход предназначен быть инструментом триажа, дополняющим более дорогие методы.
Твое сердце имеет историю, которую ЭКГ не забывает 🫀
Похоже, что электрокардиограмма, этот рутинный тест, который иногда кажется формальностью, хранила секреты. Пока врач просматривает трассу, алгоритм может шептать: этот пациент потребует больше внимания. Это как будто проводка сердца оставляет сообщение об ошибке заранее, техническое предзнаменование, которое превращает простой осмотр в цифровой хрустальный шар. Машина больше не видит только настоящее; теперь она читает между строк будущего.