BJA: разработана модель ИИ, предсказывающая осложнения после операций

Ученые из Университета Джонса Хопкинса разработали модель искусственного интеллекта, которая выявляет в обычных электрокардиограммах (ЭКГ) ранее незаметные сигналы, позволяющие с высокой точностью предсказать смертельно опасные осложнения после операций. Технология существенно превосходит по эффективности существующие методы оценки рисков, используемые врачами.

Работа опубликована в журнале British Journal of Anaesthesia (BJA).

"Мы показали, что даже базовая ЭКГ содержит важнейшую информацию, которую невозможно распознать невооруженным глазом. Извлечь ее позволяют только методы машинного обучения", — отметил ведущий автор работы Роберт Д. Стивенс, руководитель подразделения информатики, интеграции и инноваций.

После крупных хирургических вмешательств значительная часть пациентов сталкивается с тяжелыми осложнениями — инфарктом, инсультом или смертью в течение 30 дней. Сегодняшние шкалы риска предсказывают такие исходы лишь примерно в 60% случаев.

Исследователи предположили, что ЭКГ может содержать скрытые маркеры, связанные не только с состоянием сердца, но и с воспалением, обменом веществ, гормональной регуляцией и уровнем электролитов. Чтобы проверить гипотезу, они проанализировали данные предоперационных ЭКГ 37 тысяч пациентов, перенесших операции в Бостоне.

Были обучены два алгоритма: один работал только с ЭКГ, второй — так называемая "фьюжн-модель" — комбинировал данные ЭКГ с медицинскими показателями пациентов (возраст, пол, сопутствующие болезни).

Оба варианта превзошли по точности существующие шкалы риска, однако именно "фьюжн-модель" оказалась наиболее эффективной: она предсказывала осложнения с точностью 85%.

"Удивительно, что всего 10 секунд данных с ЭКГ позволяют так точно прогнозировать исход операции. Это по-настоящему значимый результат, способный изменить подход к оценке хирургических рисков", — отметил соавтор исследования Карл Харрис, аспирант кафедры биомедицинской инженерии.

Следующим шагом станет проверка алгоритма на еще более масштабных выборках и его тестирование в реальном времени у пациентов, готовящихся к операции.