Раннее выявление ишемической болезни сердца
Петербургский Институт аналитического приборостроения РАН разработал технологию применения искусственного интеллекта для анализа данных электрокардиографа сверхвысокого разрешения.
Искусственный интеллект (ИИ) существенно меняет лечение сердечно-сосудистых заболеваний, помогая в ранней диагностике, прогнозировании рисков, персонализации лечения.
Электрокардиограф сверхвысокого разрешения отличается от стандартного тем, что позволяет регистрировать не только низкоамплитудные входные сигналы, как при обычной ЭКГ (они регистрируются в частотном диапазоне от 0.05 до 100 Гц), но и высокочастотные, так называемые микропотенциалы, которые выделяются и дополнительно усиливаются в высокочастотном канале в диапазоне от 100 до 2000 Гц.
Уровень спектральной плотности мощности сигнала из высокочастотного канала демонстрирует бóльшую чувствительность к изменениям, связанным с начальной стадией исследуемой патологии, например, ишемической болезни сердца по сравнению с традиционным маркером. Микропотенциалы, регистрируемые с помощью ЭКГ СВР, обусловлены активностью ионных натриевых (Na⁺) и калиевых (K⁺) каналов. Непрерывное движение ионов через мембраны клеток сердечной мышцы вызывает локальные изменения в электрическом поле, что может фиксироваться в виде микропотенциалов. Эксперименты с использованием метода ЭКГ СВР показали возможность раннего выявления признаков ишемической болезни сердца (ИБС).
Сердечно-сосудистые заболевания являются одной из основных причин смертности во всем мире, наибольшую опасность среди которых представляет ИБС. Ишемическая болезнь сердца— это заболевание, возникающее вследствие атеросклероза, при котором на стенках сосудов образуются жировые бляшки, препятствующие свободному кровотоку, что приводит к недостаточному кровоснабжению сердечной мышцы.
Исследуемые данные были получены в ходе экспериментов по моделированию искусственно-вызванного острого коронарного синдрома у подопытных животных (крыс). Полученные в результате экспериментов по моделированию острой ИБС многомерные данные были подвергнуты математической обработке с помощью многослойной нейронной сети, которая позволила автоматически классифицировать фрагменты электрокардиограммы на основе их морфологии и мощностных характеристик, что упрощает понимание структуры данных и принятие решений на основе полученных результатов.
На начальном (подготовительном) этапе каждого эксперимента животное приводится в состояние, характерное для изучаемой патологии, а также осуществляется подключение блока снятия, регистрации и записи электрокардиограммы. Следующий этап — 1-й этап эксперимента, названный «стабилизация», включает проверку правильности подключения оборудования, фиксацию состояния животного после хирургической подготовки и восстановление его гемодинамических показателей. Затем при помощи хирургического вмешательства формируется искусственная ИБС, что запускает 2-й этап эксперимента — «ишемия». В завершение эксперимента, на 3-м этапе под названием «реперфузия», устраняется причина патологического состояния тканей и органов с помощью хирургического воздействия.
Для обработки и визуализации полученных данных была использована многослойная сверточная нейронная сеть с полносвязными слоями и механизмом dropout для предотвращения переобучения. Главная цель применения данной модели — классифицировать данные по 4 классам, соответствующим трем основным этапам эксперимента, а также переходному этапу между стадиями стабилизации и ишемии. Морфология ЭКС в данном промежутке времени имеет отличия от нормального ритма, но при этом подъем ST-сегмента, характерный для ранней стадии ИБС, еще не проявляется.
В результате данного исследования была обучена модель, определяющая вероятность принадлежности поступающего на вход фрагмента ЭКС СВР к каждому из классов, соответствующих этапам стабилизации, ишемии, реперфузии и переходному этапу. После обработки 90 записей общей длительностью свыше 150 ч была достигнута точность классификации 85.7%.
Институт аналитического приборостроения РАН – ведущее научное учреждение по разработке секвенаторов ДНК и других инноваций в сфере биотехнологий. Финансовая поддержка работы была обеспечена Минобрнауки РФ, номер государственной регистрации темы № 1023032800366-6, тема № FZZM-2025-0011. Эксперимент проводился на базе Института экспериментальной медицины им. В.А. Алмазова. Авторы: Е. А. Денисова, А. А. Кордюкова, Д. О. Шевяков.