ИИ предсказывает риски сердечных заболеваний по ЭКГ во сне

Ученые из США разработали алгоритм искусственного интеллекта, позволяющий выявлять предрасположенность к сердечно-сосудистым патологиям задолго до клинических проявлений. В основе метода лежит анализ электрической активности сердца, фиксируемой в различных фазах ночного отдыха. Исследование, поддержанное Национальным институтом здоровья (NIH), демонстрирует возможности глубокого обучения для оценки рисков фибрилляции предсердий, сердечной недостаточности и летального исхода в течение десяти лет после обследования.

Методология и выборка пациентов

Для тренировки и валидации модели использовались данные более 38 тысяч человек, прошедших полисомнографические исследования в трех медицинских центрах США. Архитектура нейросети опиралась на одноканальные записи электрокардиограммы и информацию о стадиях сна. Разработка алгоритма велась на базе исторических данных 15 809 пациентов больницы Массачусетса в Бостоне. Тестирование эффективности проводилось на независимых когортах: 9 810 участников из Университета Эмори в Атланте и 12 576 пациентов медицинского центра Бет Израэль Деаконесс в Бостоне.

Точность прогнозов и статистика

Результаты опубликованы в журнале SLEEP. Модель успешно стратифицировала пациентов по степени риска, сохраняя прогностическую ценность даже с учетом традиционных факторов, таких как возраст, пол, ожирение, диабет, гипертония, а также нарушений сна и апноэ. Интеграция ИИ-оценок в стандартные модели прогнозирования повысила точность предсказания фибрилляции предсердий на 4–6 процентных пунктов, сердечной недостаточности — на 8–9 пунктов, общего риска смерти — на 4–7 пунктов согласно принятым статистическим метрикам.

Перспективы внедрения в клинику

Доктор Дэвид Гафф, исполняющий обязанности директора Национального института сердца, легких и крови США, отметил потенциал технологии для раннего выявления групп риска. По его словам, следующим этапом станет оценка способности нового подхода дополнять существующие методы диагностики с перспективой интеграции в рутинные госпитальные протоколы сна. Гари Клиффорд, соавтор исследования из Медицинской школы Университета Эмори, подчеркнул, что использование уже собираемых при полисомнографии данных позволяет идентифицировать пациентов, нуждающихся в превентивных мерах, улучшая врачебные решения.

Преимущества упрощенного мониторинга

Ключевым преимуществом предложенного метода является отказ от классической 12-отводной ЭКГ в пользу одноканальной регистрации электрической активности. Такой подход открывает возможность применения простых носимых датчиков для скрининга. При этом авторы указывают на необходимость дальнейшей работы над повышением точности прогноза острых коронарных событий и инсультов, тогда как предсказательная сила модели в отношении фибрилляции предсердий и сердечной недостаточности уже подтверждена.