Фібриляція передсердь – це різко прискорений, аномальний ритм серця з судомними скороченнями, друга назва патології – миготлива аритмія. Це одна з найпоширеніших форм порушень ритму серця. Страждають від неї мільйони людей у всьому світі. Патологія в рази збільшує ризики інсульту та серцевої недостатності. Важливо, що частота миготливої аритмії значно збільшується з віком і досягає 5-15% у людей, старших за 70 років. Отже, переоцінити важливість спостереження за пацієнтами з таким захворюванням неможливо.
В Університеті Люксембургу створили систему прогнозування фібриляції передсердь, що базується на технологіях машинного навчання. Вона здатна попереджати про порушення за 30 хвилин до його початку з точністю близько 80%. Про це йдеться в опублікованому дослідженні.
Навіть у смарт-годинах
Система штучного інтелекту одержала назву WARN (Warning of Atrial fibRillatioN). Вона була навчена та протестована на даних ЕКГ кількох сотень пацієнтів. Прогнозування епізоду фібриляції передсердь залежить від інтервалу RR (частоти серцевих скорочень), який можна виміряти в тому числі за допомогою носимих пристроїв, таких як смарт-годинник. Більше того, алгоритми машинного навчання можуть бути запущені на смартфонах для оптимізації обчислювального навантаження менш потужних пристроях.
Додамо, що зараз діагностика фібриляції передсердь можлива лише на момент її початку і лише на апараті ЕКГ. А можливість раннього попередження відсутня.
Дослідники визнають, що якщо людина зможе заздалегідь дізнаватися про майбутню аритмію за допомогою свого смарт-годинника, одягненого на руку, то вона зможе вжити заходів — випити ліки, щоб контролювати захворювання і почуватися краще. Причому антиаритмічні препарати не доведеться пити щодня — лише на вимогу, коли пацієнт отримує попередження від смарт-годинника.
Навчається і стає розумнішим
«WARN був навчений на 24-годинних даних від 280 пацієнтів. Отже, це середній алгоритм. Враховуючи набагато більш тривалі часові горизонти для окремих пацієнтів, WARN можна персоналізувати, покращити його продуктивність та перетворити на алгоритм прогнозування в реальному часі, який оновлюється з урахуванням нових вхідних даних», — зазначають дослідники.
Додамо, що навчали систему на китайських пацієнтах, а тестували на французах та аргентинцях. Але вчені запевняють, що метод може бути потенційно покращений та підлаштований під певні демографічні групи.
