Արհեստական բանականությունը սովորել է հայտնաբերել սրտային անբավարարությունը ԷՍԳ-ով

Արհեստական բանականությունը (ԱԲ), վերլուծելով էլեկտրասրտագրի (ԷՍԳ) տվյալները, կարողանում է հայտնաբերել սրտի ձախ փորոքի դիսֆունկցիայի և անբավարարության տարբեր ձևեր՝ պահպանված արտամղման ֆրակցիայով (HFpEF), վկայում է նոր հետազոտությունը, որի արդյունքները հրապարակվել են Journal of the American Heart Association-ում։

Ուեյք Ֆորեսթի համալսարանի գիտնականները մշակել են արհեստական ​​բանականությամբ աշխատող ԷՍԳ երկու մոդել և դրանք փորձարկել են ավելի քան 165 հազար պացիենտների մոտ 1,08 միլիոն թվային ԷՍԳ-ների զանգվածային տվյալների բազայի վրա: Բացի այդ, ալգորիթմները փորձարկվել են 42 880 պացիենտների մանկական խմբի վրա՝ 72 832 ԷՍԳ-ներով:

Մոդելը կարողացել է ճշգրիտ հայտնաբերել ձախ փորոքի արտամղման ֆրակցիայի նվազումը, որը սրտի անբավարարության հիմնական նշաններից մեկն է: Ստանդարտ 12 ալիքանի ԷՍԳ-ի համար տարբեր տեսակի խանգարումների հայտնաբերման ճշգրտությունը տատանվել է 80-ից մինչև 90 տոկոս: Նույնիսկ մեկ ալիքով ԷՍԳ-ով աշխատող մոդելը համեմատելի արդյունքներ է ցույց տվել:

Հետազոտողները նշել են, որ սովորական մեքենայական ուսուցման մոդելները, որոնք հիմնված են միայն կլինիկական պացիենտների տվյալների վրա, ավելի վատ են փոխանցվել այլ խմբերի վրա: Միևնույն ժամանակ, ԷՍԳ-ի ԱԲ-վերլուծությանը ստանդարտ բժշկական տվյալներ ավելացնելը զգալի բարելավում չի ապահովել՝ միայն ԷՍԳ-ի օգտագործման համեմատ:

Աշխատանքի հեղինակների կարծիքով՝ տեխնոլոգիան կարող է դառնալ էժան գործիք սրտի հիվանդությունների վաղ հայտնաբերման համար, քանի որ միալիքանի ԷՍԳ-ն հասանելի է նույնիսկ շարժական սարքերում։

«ԱԲ-ով միացված ԷՍԳ-ն կարող է ճշգրիտ հայտնաբերել սրտի ձախ փորոքի դիսֆունկցիան և անբավարարությունը պահպանված արտամղման ֆրակցիայով նույնիսկ մեկ ալիքի ձայնագրություններից՝ հնարավորություն բացելով էժան զանգվածային սքրինինգի առջև», - նշվել է հետազոտության մեջ: