Актиснове использование современных смарт-часов обладает значительным практическим потенциалом при условии их интеграции с алгоритмами глубокого обучения для анализа полученных данных. Такой подход позволяет извлекать ценную медицинскую информацию, значительно повышая диагностическую эффективность. Традиционная клиническая практика предполагает первичный осмотр терапевтом, в ходе которого проводится аускультация сердца для выявления патологических шумов или аномалий, что может потребовать проведения электрокардиографии или ультразвукового исследования. Однако существует существенная проблема: во многих случаях врач не способен обнаружить аритмию на этапе первичного осмотра из-за её периодического характера. По имеющимся данным, примерно у 25% населения в течение жизни развивается аритмия, однако большинство пациентов остается неинформированными о данном состоянии.
При этом статистически подтверждается, что около 10% случаев инсульта обусловлены недиагностированной мерцательной аритмией.
Фитнес-браслеты и другие носимые гаджеты с измерением пульса — это совершенно новый мир. Представьте, что ваш сердечный ритм измеряется постоянно, каждый день, а в случае проблемы врач получает уведомление. Но насколько точны такие измерения с обычных наручных часов?
Чтобы проверить это, компания Cardiogram, разработчик соответствующего мобильного приложения, совместно с кардиологическим факультетом Калифорнийского университета в Сан-Франциско провела масштабное исследование mRhythm.
Во-первых, была разработана нейросеть, которую обучили распознавать в истории собранных данных признаки мерцательной аритмии — самого распространённого вида сердечной аритмии. Архитектура нейросети показана на иллюстрации.
Данные с сенсоров поступают в четыре слоя остаточных и свёрточных нейронов с выбором максимальных элементов (max-pooling) после каждого слоя. Выходные данные направляются в четыре остаточных двунаправленных слоя LSTM. В конце концов, единственный свёрточный слой с длиной фильтра 1 генерирует прогнозную оценку на каждом шаге времени
Для обучения нейросети использовали данные пользователей мобильного приложения Cardiogram. Им разослали 200 мобильных кардиографов AliveCor. Пользователи записали 6338 кардиограмм с положительным или отрицательным результатом на мерцательную аритмию. После обучения нейросеть смогла вычислять прогноз на основании обычной статистики с Apple Watch. В качестве эвристического предварительного обучения нейросеть обработала также 139 млн измерений сердечного ритма от пользователей Cardiogram.
После такого обучения точность диагностики оказалась выше, чем у других видов диагностики. Результаты исследования Калифорнийский университет в Сан-Франциско представил на конференции кардиологов Heart Rhythm Society.
Точность распознавания мерцательной аритмии проверяли на 51 пациенте до и после кардиоверсии — процедуры восстановления ровного сердечного ритма у пациентов с аритмией (дефибрилляция током или химическими методами).
После обучения нейросети на данных сердечного ритма с часов Apple Watch из приложения Apple Watch показатель AUC (площадь под кривой) составил 0,97, что позволило определять мерцательную аритмию с чувствительностью 98,04% и специфичностью 90,2%! Это великолепные показатели, учитывая тот факт, что Apple Watch — простенький электронный прибор, собранный в Китае, который выдаёт очень неточную информацию, он и рядом не стоял с настоящими медицинскими инструментами. Тем не менее, даже этих данных достаточно для диагностирования.
«Умные часы» с измерением пульса пока не получили широкой популярности, однако этот гаджет может позволить себе почти каждый. Собирать статистику по сердечному ритму интересно само по себе. Просто смотреть, как изменяются показатели, как часто вы входите в четвёртую и пятую зону относительно максимального пульса — и как быстро восстанавливается нормальный сердечный ритм после этого.
Управление автомобилем в час пик, опаздывая на важное совещание в 16:00. Иллюстрация: Cardiogram
Сумасшедшая тренировка. Иллюстрация: Cardiogram
Игра в теннис. Иллюстрация: Cardiogram
Дата-майнинг статистики сердечных ритмов — не единственное применение нейронных сетей в медицине. В декабре 2016 года группа исследователей Google обучила нейросеть выявлять диабетическую ретинопатию (одно из самых тяжёлых осложнений сахарного диабета, когда поражаются сосуды сетчатки глаза) с большей точностью, чем офтальмологи. Месяцем спустя исследователи из Стэнфордского университета опубликовали научную статью в Nature о том, как нейросеть выявляет случаи рака кожи по фотографиям поражений.
Выявление мерцательной аритмии — очередное важное достижение глубинного обучения в применении к медицине. Специалисты из Cardiogram уверены, что кроме мерцательной аритмии нейросеть может выявлять и другие сердечные болезни по данным, собранным с умных часов. Вопрос только в обучении. Рассматривается и вариант самообучения с подкреплением, когда пользователи будут нажимать на кнопку, сигнализируя о панической атаке, например. Со временем нейросеть выделит признаки панической атаки и сможет детектировать её самостоятельно.
Автор: Анатолий Ализар
Источник: https://habr.com/r
