Новый алгоритм машинного обучения, основанного на чтении электрокардиограмм (ЭКГ), оказался способен более точно и более быстро определять инфаркт миокарда (ИМ) в сравнении со стандартными подходами. Результаты исследования опубликованы в журнале Nature Medicine.
Первым диагнозом при болях в грудной клетке, требующим подтверждения или исключения, является инфаркт миокарда. В том случае, если ЭКГ не позволяет верифицировать эту патологию (например, острый коронарный синдром (ОКС) без подъема ST), диагностика может занимать более длительное время – в том числе до 24 ч. Новый алгоритм позволит по крайней мере частично решить эту проблему.
ОКС с подъемом сегмента ST может быть легко определен врачом-клиницистом – данный клинический синдром указывает на полную обструкцию коронарных артерий, что требует неотложного вмешательства. Однако в случае, когда паттерны ЭКГ не характеризуются очевидным подъемом сегмента ST, диагностика может быть затруднена, а постановка окончательного диагноза – отложена.
Алгоритм для определения мелких деталей электрической активности проводящей системы сердца на ЭКГ был разработан с использованием машинного обучения по данным ЭКГ 4026 пациентов с болями за грудиной. Внешняя валидация корректности разработанного алгоритма проводилась на данных 3287 пациентов из других медицинских учреждений.
Пример анализа ЭКГ с помощью разработанной системы
Разработанная система сравнивалась с тремя диагностическими подходами в экстренной кардиологии: оценка ЭКГ опытным клиницистом, коммерчески доступные алгоритмы интерпретации ЭКГ и шкала HEART (в которую включены информация о жалобах и факторах риска, данные ЭКГ и результаты анализа крови на тропонины). Разработанный алгоритм превзошел все три подхода и классифицировал состояние по степени риска: низкий, средний и высокий.
Внедрение данной системы в клиническую практику позволит улучшить своевременную диагностику инфаркта миокарда и корректно следовать алгоритмам оказания экстренной медицинской помощи.
Материал подготовлен в рамках проекта «Медицина в точке бифуркации». Проект поддержан грантом Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий»