Внезапная сердечная смерть. Это мрачное заглавие новостей, которое ежегодно касается более 300 000 человек в США.
Имплантируемые дефибрилляторы существуют. Они останавливают смертельные аритмии. Технология работает исправно. Но главная проблема? Мы часто понимаем, кто нуждается в них, слишком поздно.
Сегодня ситуация немного меняется.
Команда под руководством Зиада Обермейера, доцента Калифорнийского университета в Беркли, опубликовала исследование в журнале Nature. Они обучили нейронную сеть выявлять опасность по десятисекундной электрокардиограмме (ЭКГ). А затем, что crucially важно, создали вторую сеть, чтобы показать, как именно первая приходит к своим выводам.
Зачем нужна вторая модель?
Потому что в медицине не любят «черные ящики». Людям-экспертам необходимо видеть улику своими глазами.
Сейчас кардиологи опираются на фракцию выброса левого желудочка (ФВЛЖ). Этот показатель измеряет, сколько крови сердце выбрасывает за один удар с помощью ультразвукового исследования (ЭхоКГ).
Но этот метод далек от совершенства.
«Многие люди, умирающие от внезапной смерти… проходили это обследование, и результаты были в норме», — говорит Обермейер. В то же время многие пациенты из группы риска вообще не проходили сканирование. С другой стороны, большинство людей, отнесенных к группе высокого риска, никогда не активировали свои дефибрилляторы. Мы чрезмерно лечим одних и недолечиваем других.
Команда Обермейера хотела добиться большего.
Они обратились к ЭКГ. Дешево. Доступно везде. Но в течение столетия кардиологи видели лишь знакомые формы волн. Никакого скрытого кода внезапной смерти не замечали. Поэтому они позволили глубокому обучению порыться в данных.
В роли «двигателя» выступила 64-слойная сеть ResNet. Скучно? Возможно.
«Это своего рода базовая рабочая лошадка, которую все используют».
Магия заключалась в «топливе». Сети подали более 440 090 ЭКГ от 180 тысяч пациентов из Швеции, сопоставленных с реестрами смертности. Огромный массив данных. ИИ отнес примерно 2,2% к группе высокого риска.
Работает ли это в других условиях?
Да. Исследователи протестировали модель на данных из США и Тайваня. Сигнал оставался четким. В этой крошечной группе в 2,2% годовая смертность достигла 7%. Стандартные ультразвуковые тесты упускают это. Более 86% пациентов, отобранных ИИ, не вызвали бы тревоги при использовании традиционных инструментов. Вероятно, эти люди уходили домой без защиты.
«Но что именно видит машина?» — спрашивал Обермейер.
Стандартные инструменты объяснимости подсвечивают пиксели. Это не помогает врачу-человеку. Нужен паттерн. Волна, которую можно набросать на бумаге.
Поэтому они построили генеративную модель. Ее задача: шаг за шагом трансформировать безопасную ЭКГ в рискованную, пока первая сеть не закричит об опасности.
Большинство изменений были известными. Ожидаемыми.
Но одна особенность? Новая. О ней ранее не описывали.
Тонкое размытие в отведении aVL. Словно электрический сигнал фрагментируется при ударе о мышцу.
«Мы извлекли новые знания из искусственного интеллекта», — говорит Чансинь Лай из Университета Джонса Хопкинса, который не участвовал в исследовании, но рецензировал работу.
Звучит страшно?
Возможно. У некоторых пациентов из группы высокого риска МРТ показала диффузный фиброз. Зарубцевание, которое совпадает с необычными волнами, сгенерированными ИИ. Физическая причина цифрового предупреждения. Обермейер признает, что подтверждение биопсией пока отсутствует. Это предварительные данные.
Не стоит паниковать.
«Это еще не готово для руководства лечением», — предупреждает Сумит Чуг из Cedars-Sinai. Он считает, что перед тем как эта технология начнет выявлять кандидатов на установку дефибрилляторов на практике, потребуется гораздо больше исследований.
Но подумайте о логистике. МРТ — дорогое удовольствие. Редко используется для скрининга.
ЭКГ? Доступна везде. Записать ее можно даже на Apple Watch. Да, ИИ предпочитает данные医院ского качества, но разрыв сужается. По словам команды, падение качества данных с потребительских устройств незначительно.
В чем прелесть этого подхода? Вам не нужно слепо доверять роботу.
«Вы можете использовать его только для целевого отбора на дополнительные обследования», — объясняет Обермейер. Он определяет, кому нужен углубленный анализ. А не кому сегодня нужна операция.
Но в воздухе висит один вопрос.
Если ИИ замечает «трещину» в сигнале, которую мы игнорировали в течение ста лет, сколько других «призраков» скрыто на виду в наших медицинских картах?
Мы, возможно, никогда не узнаем, если не будем слушать их.
