Облегчить работу врачам по классификации ЭКГ поможет искусственный интеллект

Систему классификации электрокардиограмм (ЭКГ) с использованием нейронных сетей создают на цифровой кафедре Первого Московского государственного медицинского университета имени И.М. Сеченова. В вузе ставят своей целью разработать модель глубокого обучения, способную анализировать ЭКГ и с высокой точностью автоматически распределять их по классам, что поможет обнаружить сразу несколько патологий сердечно-сосудистой системы у пациента и обратить на этот факт внимание врача, информирует «Тихоокеанская Россия», ТоРосс.

Разработчики уверены, что автоматизация процесса классификации ЭКГ облегчит медикам работу с большими объёмами данных и поможет своевременно диагностировать сердечно-сосудистые заболевания.
Диагностика сердечно-сосудистых заболеваний требует быстрого и точного анализа электрокардиограмм, что зачастую может быть затруднено из-за большого объёма данных и недостатка в отдельных регионах высококвалифицированных специалистов. Чтобы облегчить работу врачам, команда разработчиков Сеченовского университета создаёт цифровую систему, которая автоматически классифицирует ЭКГ с помощью технологий машинного обучения.
«Классификация ЭКГ позволяет разделить записи по определённым признакам, например, по типам нарушений ритма и ишемии, что существенно облегчит работу кардиологам и терапевтам, – рассказывает руководитель проекта, студентка цифровой кафедры Первого МГМУ Алина Китиева. – То есть наша модель может найти сразу несколько патологий, а врач уже подтвердит либо опровергнет их наличие. Система в первую очередь направлена на поддержку принятия врачебных решений. Автоматизация процесса классификации электрокардиограмм делает диагностику более доступной и быстрой, особенно в удалённых или малообеспеченных регионах, где может не хватать квалифицированных специалистов».
Использование новой цифровой системы выглядит так: врач загружает данные ЭКГ пациентов в программу, которая затем анализирует их и распределяет по классам, предоставляя результаты специалисту для дальнейшего анализа и принятия решений. Сейчас команда сконцентрировалась на разработке и обучении модели с использованием архитектуры глубокой нейронной сети ResNet, адаптированной для анализа ЭКГ. По словам Алины Китиевой, это позволит достичь высокой точности модели при минимальных временных затратах на обучение и анализ. При разработке системы также разработчики используют язык программирования Python и библиотеки для анализа данных и построения моделей машинного обучения PyTorch, Pandas, и NumPy.
Результатом проекта должна стать модель, способная классифицировать ЭКГ с точностью не менее 95%. В дальнейшем команда разработчиков планирует расширять набор классифицируемых заболеваний сердца в модели и внедрить систему в медицинские учреждения для поддержки принятия врачебных решений.
Как подчеркнул руководитель цифровой кафедры Сеченовского Университета Константин Кошечкин, разработка такого IT-решения внесёт вклад в область диагностики сердечно-сосудистых заболеваний и поможет значительно улучшить качество и доступность медицинской помощи.