Исследование, результаты которого опубликованы в International Journal of Medical Engineering and Informatics, показало, что модели искусственного интеллекта на основе архитектуры Transformer могут эффективно выявлять признаки сердечно-сосудистых заболеваний по данным электрокардиограммы (ЭКГ).

Сердечно-сосудистые заболевания остаются одной из ведущих причин преждевременной смертности в мире — ежегодно от них умирают около 18 миллионов человек. Одной из ключевых проблем является ранняя диагностика: чем раньше выявлено заболевание, тем выше эффективность лечения. Однако интерпретация ЭКГ требует высокой квалификации, занимает время и может быть подвержена ошибкам.

В новом исследовании учёные предложили одномерную (1D) модель Transformer, способную анализировать сигналы ЭКГ в сочетании с дополнительными клиническими данными. Архитектура Transformer, изначально разработанная для обработки естественного языка, в данном случае была адаптирована для анализа временных медицинских сигналов.

В ходе тестирования модель продемонстрировала точность до 94,2% при выявлении ранних стадий сердечных заболеваний на нескольких известных медицинских наборах данных. Авторы отмечают, что такая точность потенциально может значительно повысить надёжность диагностики, особенно в сочетании с оценкой врача-кардиолога.

По мнению исследователей, подобные системы могут стать вспомогательным инструментом в клинической практике, ускоряя процесс принятия решений и снижая риск диагностических ошибок. Однако они подчёркивают, что метод требует дальнейшей проверки на независимых клинических данных и дополнительной валидации перед использованием в реальных медицинских условиях.