Исследователи из MIT, клиники Mass General Brigham и Гарвардской медицинской школы разработали модель глубокого обучения, способную предсказывать развитие сердечной недостаточности у пациентов на год вперед. Этот важный шаг может существенно изменить подход к лечению и управлению заболеванием.
Как работает новая модель
Модель под названием PULSE-HF анализирует данные электрокардиограммы (ЭКГ) и прогнозирует, как изменится состояние пациента с сердечной недостаточностью. Особое внимание уделяется фракции выброса левого желудочка, которая показывает, насколько эффективно сердце перекачивает кровь. Если этот показатель падает ниже 40%, это указывает на серьезные проблемы.
Почему это важно
Сердечная недостаточность остается одной из ведущих причин смертности во всем мире. Поскольку около половины пациентов умирают в течение пяти лет после постановки диагноза, важно заранее знать, как будет развиваться заболевание, чтобы оптимально распределять ресурсы и внимание врачей.
Технические достижения и испытания
Модель PULSE-HF была протестирована на данных из нескольких источников и показала высокую точность прогнозов. Использовалась метрика AUROC, определяющая способность модели различать классы: в среднем результат составил от 0.87 до 0.91, что свидетельствует о ее высокой эффективности.
Преимущества и вызовы
Одно из главных преимуществ PULSE-HF — возможность использования в условиях, где ресурсы ограничены, например, в сельских районах. Также модель адаптирована под одноэлектродные ЭКГ, что упрощает процесс снятия показаний.
Тем не менее, разработка модели столкнулась с рядом сложностей, таких как обработка больших объемов данных и их очистка от шумов. Несмотря на это, команда считает, что их работа имеет огромный потенциал для улучшения качества жизни пациентов.
Планы на будущее
Исследователи планируют провести дальнейшие испытания модели на реальных пациентах, чтобы подтвердить ее эффективность в прогнозировании. Это может стать важным шагом к интеграции искусственного интеллекта в систему здравоохранения.
