Электрокардиограмма у человека — ЭКГ — известна с 1872 года, когда Александр Муирхед прикрепил провода к запястью пациента и получил электрическую запись его сердцебиения. В 1887 году Август Уоллер разработал первый ЭКГ-аппарат. С тех пор технология регистрации ЭКГ развивается и совершенствуется. В арсенале врачей — многоканальные регистраторы, устройства длительной (десятки дней) записи ЭКГ и носимые регистраторы, интегрированные в смартфоны, часы, браслеты и т. п.
Фото: Виктор Коротаев, Коммерсантъ
Фото: Виктор Коротаев, Коммерсантъ
Совершенствуются и алгоритмы обработки данных, в том числе с использованием искусственного интеллекта, который в медицине развивается очень стремительно. В основном это касается областей работы с изображениями, регистрируемыми сигналами, работы с большими данными и управления сложными процессами в больших популяциях.
Уже существуют научные исследования, в которых было показано, что ИИ может не только справляться с рутинными процессами лучше, чем врач, но и делать прогноз заболевания, недоступный специалисту.
Но вернемся к ЭКГ. Она отражает электромеханические процессы, протекающие в сердце. Очевидно, что любое отклонение от нормы или даже особенность работы сердца будет отражаться на ЭКГ.
Анализ особенностей и отклонений от нормы сейчас целиком дело врача: он может обнаружить на записи инфаркт, гипертрофию миокарда, блокаду проводящей системы сердца и т. д. Но ЭКГ содержит огромное количество и другой информации, только глазом ее не разглядеть, даже глазом самого опытного доктора.
А теперь представим, что у пациента только началось повышаться давление; а если человек устал, перегружен на работе, превысил режим физических тренировок, может ли ЭКГ показать такие изменения? Оказывается, что да, может.
Силами ученых Института персонализированной кардиологии Сеченовского университета на базе машинного обучения разработаны алгоритмы анализа сигнала ЭКГ с его спектральным анализом по частоте — вейвлет-анализ. Система оценивает не только форму волн ЭКГ, их длительность и амплитуду, но и частоту колебания сигнала в каждой точке записи. Оказалось, что такого рода анализ определяет незначительные изменения электрической активности сердца, которые невозможно разглядеть невооруженным глазом. На основе разработанной системы удалось определять снижение функции сердечной мышцы еще до начала тяжелых необратимых изменений сердца. С точностью в 94% программа может определить снижение диастолической функции миокарда, что свидетельствует о таких состояниях, как перегрузка сердца из-за повышенного давления, начальная стадия ишемии, грозящая развитием инфаркта, дебют сердечной недостаточности, физическая или эмоциональная перегрузка.
Для работы алгоритма требуется лишь один канал ЭКГ. Это открывает огромные перспективы по удаленной диагностике и мониторированию сердечно-сосудистых заболеваний с помощью мобильного телефона и носимых гаджетов без посещения лечебного учреждения. В любое время любой из нас может определить, все ли в порядке с работой его сердца. Кроме того, интеграция разработанного алгоритма в медицинские системы позволит врачу незамедлительно среагировать на ухудшение состояния пациента, провести необходимое дообследование и дать ему профилактические и лечебные рекомендации.