L'algoritmo corrisponde ai cardiologi umani nel rilevare gli attacchi di cuore

Un infarto del miocardio, o attacco cardiaco, si verifica quando l'afflusso di sangue al muscolo cardiaco viene interrotto in modo permanente da un blocco di qualche tipo. Il trattamento prevede l'allargamento dell'arteria incriminata con un palloncino o uno stent per consentire al sangue di fluire nuovamente o aggirare completamente il blocco con un intervento di bypass coronarico.

In ogni caso, l'intervento deve essere tempestivo e una diagnosi rapida può fare un'enorme differenza. Nell'ambiente spesso caotico di un pronto soccorso, però, non di rado i segnali di un infarto vengono persi e le conseguenze sono profonde.

Quindi un modo automatizzato per individuare in modo accurato e affidabile i segnali rivelatori sarebbe un significativo passo avanti. Ma nonostante molte ricerche in questo settore, i sistemi di monitoraggio cardiaco automatizzati sono significativamente meno affidabili rispetto ai cardiologi addestrati.

Oggi, le cose sembrano destinate a cambiare grazie al lavoro di Nils Strodthoff presso il Fraunhofer Heinrich Hertz Institute di Berlino e Claas Strodthoff presso l'University Medical Center Schleswig-Holstein di Kiel, entrambi in Germania. Questi ragazzi hanno sviluppato una rete neurale in grado di individuare i segni di infarto miocardico e dicono che la macchina corrisponde per la prima volta alle prestazioni dei cardiologi umani.

Innanzitutto, un po' di background. Uno dei modi migliori per diagnosticare un infarto è utilizzare un elettrocardiografo per misurare l'uscita elettrica dal cuore. Un ECG standard registra il segnale elettrico da 12 diverse derivazioni collegate a diverse parti del corpo del paziente.

Questi segnali rivelano il comportamento elettrico del cuore in vari modi. I cardiologi sanno da tempo che i segnali di alcune di queste derivazioni sono più utili a livello diagnostico di altri quando si tratta di attacchi di cuore.

Ma interpretare i dati è difficile. Un medico deve prima elaborare una sorta di segnale di livello base, ignorare qualsiasi rumore o dati danneggiati e quindi isolare i singoli battiti cardiaci. Il medico cerca quindi intervalli di tempo e valori di tensione predefiniti o rilevati automaticamente per ciascun battito.

Infine, deve identificare le caratteristiche appropriate nel battito cardiaco e classificare la condizione di conseguenza. Il processo di classificazione è ulteriormente complicato dalla presenza di un segnale chiamato elevazione ST. I pazienti con questo segnale dovrebbero essere trattati il ​​prima possibile, mentre quelli senza di esso richiedono ulteriori test che richiedono tempo.

Nessuno di questi passaggi è facile. In effetti, sono tutti resi più difficili da battiti cardiaci irregolari o insoliti, dal rumore e dalla corruzione dei dati, tutti comuni in un ambiente di pronto soccorso.

Quindi forse non sorprende che in tutto questo caos, gli umani superino significativamente le macchine.

Ma negli ultimi anni, le reti neurali hanno compiuto progressi significativi nei problemi di riconoscimento di schemi come l'identificazione di volti e oggetti. Quindi c'è un interesse significativo nell'applicazione di queste tecniche ai dati medici in cui l'obiettivo è anche il riconoscimento del modello.

Strodthoff e Strodthoff hanno fatto proprio questo con un database di 148 record ECG di pazienti con infarto del miocardio e 52 controlli sani. Hanno usato una tecnica a finestra scorrevole per inviare dati a una rete neurale. Ogni finestra includeva almeno tre battiti cardiaci.

Il team ha utilizzato il 90% dei dati per addestrare una rete neurale per individuare i segni di un infarto.

Il resto dei dati è stato utilizzato per testare la rete, con risultati interessanti. L'architettura proposta supera gli attuali approcci all'avanguardia su questo set di dati e raggiunge un livello di prestazioni simile a quello dei cardiologi umani per questo compito, affermano Strodthoff e Strodthoff.

Inoltre, le macchine tendono a fare affidamento preferenzialmente sui dati delle stesse derivazioni su cui i cardiologi umani hanno imparato a fare affidamento.

Questo risultato impressionante mostra il potenziale delle macchine intelligenti per migliorare notevolmente l'assistenza sanitaria. Ma non è perfetto, ovviamente.

Un potenziale problema è che il set di dati utilizzato qui è relativamente piccolo. Gli algoritmi di apprendimento automatico richiedono generalmente enormi set di dati annotati per imparare bene. La creazione di set di dati più grandi delle registrazioni degli attacchi di cuore richiederà tempo e sarà difficile. Ma solo con set di dati più grandi i medici possono essere sicuri che gli algoritmi saranno accurati nell'ampia gamma di ambienti caotici in cui lavorano i medici.

Ma il potenziale è enorme. Le macchine possono alleviare parte della noia e della complessità della medicina per i medici umani e lo fanno senza stancarsi. E l'approccio sviluppato da Strodthoff e Strodthoff è genericamente applicabile a qualsiasi problema di classificazione di serie temporali di dati grezzi da dispositivi come ECG ed EEG, che abbondano in medicina. Quindi sono possibili altre applicazioni

Il che significa che sicuramente non passerà molto tempo prima che la maggior parte di noi venga diagnosticata, almeno in parte, dalle macchine.

Rif: arxiv.org/abs/1806.07385 : Rilevamento e interpretazione di infarti miocardici utilizzando reti neurali completamente convoluzionali

nascondere