На Цифровой кафедре Первого МГМУ имени И. М. Сеченова Минздрава РФ создают систему классификации электрокардиограмм (ЭКГ) с использованием нейронных сетей. Цель проекта – разработать модель глубокого обучения, способную анализировать ЭКГ и с высокой точностью автоматически распределять их по классам. Другими словами, модель поможет обнаружить сразу несколько патологий сердечно-сосудистой системы у пациента и обратить на этот факт внимание врача. Разработчики уверены, что автоматизация процесса классификации ЭКГ облегчит медработникам работу с большими объемами данных и поможет своевременно диагностировать сердечно-сосудистые заболевания.

Диагностика сердечно-сосудистых заболеваний требует быстрого и точного анализа электрокардиограмм, что зачастую может быть затруднено из-за большого объема данных и недостатка в отдельных регионах высококвалифицированных специалистов. Чтобы облегчить работу врачам, команда разработчиков Сеченовского Университета создает цифровую систему, которая автоматически классифицирует ЭКГ с помощью технологий машинного обучения.

«Классификация ЭКГ позволяет разделить записи по определенным признакам, например по типам нарушений ритма и ишемии, что существенно облегчит работу кардиологам и терапевтам, – объяснила руководитель проекта, студентка Цифровой кафедры Первого МГМУ Алина Китиева. – То есть наша модель может найти сразу несколько патологий, а врач уже подтвердит либо опровергнет их наличие. Система в первую очередь направлена на поддержку принятия врачебных решений. Автоматизация процесса классификации электрокардиограмм делает диагностику более доступной и быстрой, особенно в удаленных или малообеспеченных регионах, где может не хватать квалифицированных специалистов».

Использование новой цифровой системы выглядит так: врач загружает данные ЭКГ пациентов в программу, которая затем анализирует их и распределяет по классам, предоставляя результаты специалисту для дальнейшего анализа и принятия решений. Сейчас команда сконцентрировалась на разработке и обучении модели с использованием архитектуры глубокой нейронной сети ResNet, адаптированной для анализа ЭКГ. По словам Алины Китиевой, это позволит достичь высокой точности модели при минимальных временных затратах на обучение и анализ. При разработке системы также разработчики используют язык программирования Python и библиотеки для анализа данных и построения моделей машинного обучения PyTorch, Pandas и NumPy.

Результатом проекта будет модель, способная классифицировать ЭКГ с точностью не менее 95%. В дальнейшем команда разработчиков планирует расширять набор классифицируемых заболеваний сердца в модели и внедрить систему в медицинские учреждения для поддержки принятия врачебных решений.

Как подчеркнул руководитель Цифровой кафедры Сеченовского Университета Константин Кошечкин, разработка такого IT-решения внесет вклад в область диагностики сердечно-сосудистых заболеваний и поможет значительно улучшить качество и доступность медицинской помощи.