Фибрилляция предсердий — самая распространенная сердечная аритмия во всем мире, в 2019 году ею заболело около 59 миллионов человек . Нерегулярное сердцебиение связано с повышенным риском сердечной недостаточности, деменции и инсульта. Оно представляет собой значительное бремя для систем здравоохранения, поэтому его раннее выявление и лечение являются главной целью.
Исследователи из Люксембургского центра системной биомедицины (LCSB) Университета Люксембурга недавно разработали модель глубокого обучения, способную предсказывать переход от нормального сердечного ритма к мерцательной аритмии. Он дает раннее предупреждение в среднем за 30 минут до начала с точностью около 80%. Эти результаты, опубликованные в научном журнале Patterns , открывают путь к интеграции в носимые технологии, позволяя проводить ранние вмешательства и улучшать результаты лечения пациентов.
Во время фибрилляции предсердий верхние камеры сердца сокращаются нерегулярно и не синхронизированы с желудочками. Возврат к регулярному ритму может потребовать интенсивных вмешательств: от восстановления нормального синусового ритма сердца до удаления определенной области, ответственной за ошибочные сигналы.
Возможность заранее предсказать эпизод фибрилляции предсердий позволит пациентам принять профилактические меры для поддержания стабильного сердечного ритма. Однако современные методы, основанные на анализе частоты сердечных сокращений и данных электрокардиограммы (ЭКГ), способны обнаружить фибрилляцию предсердий только непосредственно перед ее началом и не обеспечивают раннего предупреждения.
«Наша работа, напротив, отходит от этого подхода к более перспективной модели прогнозирования», — объясняет профессор Хорхе Гонсалвес, руководитель группы системного контроля в LCSB.
«Мы использовали данные о частоте сердечных сокращений для обучения модели глубокого обучения, которая может распознавать различные фазы — синусовый ритм, предсердную фибрилляцию и фибрилляцию предсердий — и рассчитывать «вероятность опасности» того, что у пациента произойдет неизбежный эпизод». При приближении фибрилляции предсердий вероятность увеличивается до тех пор, пока не достигнет определенного порога, что обеспечивает раннее предупреждение.
Интервал R-to-R (RRI) — это период времени между пиками двух последовательных волн на стандартной электрокардиограмме. Фото: LCSB/Университет Люксембурга.
Эта модель искусственного интеллекта, получившая название WARN (Warning of Atrial fibRillatioN), была обучена и протестирована на 24-часовых записях, собранных у 350 пациентов в больнице Тунцзи (Ухань, Китай), и давала ранние предупреждения, в среднем за 30 минут до начала фибрилляции предсердий. с большой точностью. По сравнению с предыдущими работами по прогнозированию аритмии, WARN является первым методом, обеспечивающим предупреждение еще до начала аритмии.
«Еще один интересный аспект заключается в том, что наша модель обладает высокой производительностью, используя только интервалы R-to-R, то есть, по сути, просто данные о частоте пульса, которые можно получить с помощью удобных и доступных регистраторов пульсовых сигналов, таких как умные часы», — говорит доктор. Марино Гавидия, первый автор публикации, работавший над этим проектом во время своей докторской диссертации. в группе системного контроля и в отделе подготовки докторантов CriTiCS (см. вставку ниже).
«Эти устройства могут использоваться пациентами ежедневно, поэтому наши результаты открывают возможности для разработки мониторинга в реальном времени и раннего предупреждения с помощью удобных носимых устройств», — добавляет доктор Артур Монтанари, исследователь LCSB, участвовавший в проекте.
Кроме того, модель глубокого обучения, разработанная исследователями, может быть реализована в смартфонах для обработки данных с умных часов. Низкие вычислительные затраты делают его идеальным для интеграции в носимые технологии.
Долгосрочная цель состоит в том, чтобы пациенты могли постоянно контролировать свой сердечный ритм и получать ранние предупреждения , которые могут дать достаточно времени для приема антиаритмических препаратов или использования некоторых целевых методов лечения для предотвращения возникновения фибрилляции предсердий . Это, в свою очередь, позволит сократить число экстренных вмешательств и улучшить результаты лечения пациентов .
«Двигаясь вперед, мы сосредоточимся на разработке персонализированных моделей. Ежедневное использование простых умных часов постоянно предоставляет новую информацию о динамике личного сердца, что позволяет нам постоянно совершенствовать и переобучать нашу модель для этого пациента, чтобы добиться повышения производительности с еще более ранними предупреждениями». заключает профессор Гонсалвес. «В конечном итоге этот подход может даже привести к новым клиническим испытаниям и инновационным терапевтическим вмешательствам».
