10 July 2023, 23:30

Сенсорный пояс отследил постковидные нарушения сердечного ритма с точностью 87%

Ученые предложили подход, позволяющий с 87% точностью выявить нарушения сердечного ритма, которые связывают с постковидным синдромом. Для этого авторы использовали мобильную систему — сенсорный пояс для регистрации сердечного ритма, который добровольцы носили каждый день. Система собирала данные и передавала их на сервер через смартфон. Разработка поможет выявить постковидное состояние без проведения медицинских анализов, таких как анализ крови на антитела, для дальнейшего лечения последствий COVID-19.

Сенсорный пояс отследил постковидные нарушения сердечного ритма с точностью 87%
Source: Fusion Medical Animation / Unsplash

Симптомы постковидного синдрома, такие как нарушения работы желудочно-кишечного тракта, боли в суставах, слабость, потеря памяти и многие другие сохраняются длительное время. Обычно постковидный синдром выявляют с помощью анализа крови на антитела, однако эти белковые молекулы не сохраняются так долго, как симптомы, и через полгода антитела к вирусу COVID-19 обнаружить уже не удается. В связи с этим ученые ищут другие способы выявления постковидного состояния. Более ранние исследования показали, что аномалии сердечного ритма — резкие его колебания в пределах 100 миллисекунд при маленькой амплитуде — указывают на последствия перенесенного COVID-19. Такие специфичные нарушения сердцебиения называются кардиоспайки. На графике ЭКГ они выглядят как резкие вертикальные линии.

Ученые из Национального исследовательского Нижегородского государственного университета имени Н. И. Лобачевского (Нижний Новгород) с коллегами предложили использовать алгоритмы машинного обучения, чтобы выявлять на ЭКГ кардиоспайки. Для анализа использовались сверточные нейронные сети, применяемые для распознавания образов. Название архитектура сети получила из-за наличия операции свертки, суть которой состоит в том, что каждый фрагмент изображения умножается на матрицу (ядро) свертки поэлементно, а результат суммируется и записывается в аналогичную позицию выходного изображения.

Авторы протестировали нейросети на данных 970 пациентов с диагностированным COVID-19. В выборку были включены пациенты, переболевшие в период пандемии и имевшие поражения легких от 44% до 92% по результатам компьютерной томографии, то есть люди с тяжелым течением болезни. Данные о частоте сердечного ритма собирали с помощью мобильной системы, состоящей из сенсорного пояса, измеряющего ритмограмму, и смартфона, собирающего данные и передающего их на сервер для дальнейшего анализа. Затем собранные данные обрабатывались нейросетью и благодаря этому выявлялись кардиоспайки. Ученые убедились, что у пациентов с COVID-19 наблюдалось отчетливое изменение частоты сердечных сокращений, а кардиоспайки действительно указывали именно на COVID-19 или на постковидный синдром. Предложенная архитектура нейросети продемонстрировала точность выявления постковидного состояния, равную 87%.

Чтобы ответить на вопрос, почему именно после COVID-19 появляются кардиоспайки, ученые проанализировали образцы крови пациентов. Исследование показало, что, вероятнее всего, появление кардиоспайков связано с нарушением вязкости и свертываемости крови. Из-за большей вязкости увеличивается нагрузка на сердечную мышцу и повреждается легочная ткань за счет давления на альвеолы — пузырьки, в которых происходит газообмен с кровью.

Предложенный подход поможет увеличить точность диагностики постковидного состояния, так как нарушения сердечного ритма наблюдаются еще долгое время, вплоть до полугода после перенесенного заболевания. В связи с этим предложенная авторами система будет особенно актуальна для тех, кто перенес заболевание «на ногах», но в последующем столкнулся с постковидным состоянием, которое описывается различными симптомами — слабость, одышка, головные боли, боли в суставах, — прямо не указывающими на перенесенный COVID-19.

«Полученные результаты помогут развитию технологии дистанционного скрининга с использованием мобильных устройств и телеметрии сердечного ритма для диагностики и мониторинга COVID-19. В дальнейшем планируется улучшить точность обнаружения кардиоспайков. Кроме того, есть смысл изучить, позволяет ли предложенный метод выявлять экстрасистолы — другой вид нарушения сердечного ритма»‎, — рассказывает участник проекта, поддержанного грантом РНФ, Сергей Стасенко, кандидат физико-математических наук, старший научный сотрудник лаборатории перспективных методов анализа многомерных данных ИИТММ.

Source:  Пресс-служба РНФ

News article publications

Read also

Новый способ предсказания свойств магнитных сплавов с помощью машинного обучения
Ученые из Сколтеха и МФТИ с коллегами из Германии, Австрии и Норвегии предложили и верифицировали новый способ для компьютерного моделирования магнитных сплавов с помощью машинно-обучаемых потенциалов. В методе в качестве переменных учитываются магнитные моменты атомов (магнитные степени свободы), благодаря чему он успешно предсказал энергию, механические и магнитные характеристики сплава железа и алюминия. Ученые планируют добавить в метод активное обучение и протестировать его на другом материале — нитриде хрома.
Chemical Physics
Machine learning
Metals and their alloys
16 February 2024
Ускорен поиск новых лекарств с помощью машинного обучения
В последние годы компьютерное моделирование сильно облегчило создание новых лекарств за счет предсказания структуры молекул и их взаимодействий. Однако даже такой «чисто компьютерный» скрининг может быть слишком дорог и затруднен, если речь идет о миллионах веществ. Поэтому авторы новой статьи в Journal of Chemical Information and Modeling — исследователи из МФТИ, Университетов Гронингена и Гренобля, — сделали этот процесс намного быстрее и эффективнее с помощью активного машинного обучения.
Drug Design
Machine learning
Molecular Biology
13 February 2024
Разработана технология для проверки молочной продукции на антибиотики
Ученые ИТМО разработали технологию, которая автоматически определяет содержание и точную концентрацию антибиотиков в молоке. В ее основе — электрохимический анализ (высокочувствительный метод обнаружения нужных веществ в растворах) и алгоритмы машинного обучения. Разработка может уберечь потребителей молочной продукции от вредных для здоровья препаратов.  Она может использоваться и для анализа других сред — например, для обнаружения нежелательных примесей в нефти, проверки качества кофе и подлинности вина.
Electrochemistry
Electronics
Machine learning
8 December 2023
Модель машинного обучения выявила болезнь Паркинсона по сигналам ЭЭГ
Ученые разработали модель машинного обучения, позволяющую за сотые доли секунды по результатам электроэнцефалограммы (ЭЭГ) с 99,9% точностью выявлять болезнь Паркинсона. Еще одно преимущество нового алгоритма — в совместимости с портативными бытовыми устройствами, которые пациенты могут иметь у себя дома. Поэтому предложенный алгоритм может использоваться не только в больнице при диагностике, но и в домашних условиях для мониторинга состояния здоровья людей с ранее выявленной болезнью Паркинсона.
Machine learning
Medicine
Neuroscience
4 December 2023
Алгоритмы машинного обучения ускорят производство сердечных протезов
Ученые предложили использовать искусственный интеллект для разработки новых протезов клапанов сердца. Сочетание моделей машинного обучения совместно с математическими алгоритмами оптимизации позволяет ускорить подбор множественных параметров створок протеза и получить клапан сердца «идеальной» конфигурации в несколько тысяч раз быстрее, чем в случае классической разработки, основанной на многократном цикле изготовления прототипа и его исследования. Оптимизация поможет сократить напряжение, возникающее в створках протезов при работе, а значит, сделает их более долговечными.
Artificial intelligence
Machine learning
Medicine
17 October 2023
Ученые описали наиболее вероятный антиаритмический механизм мелатонина
Через свои рецепторы он может усиливать проведение импульса за счет опосредованного укрепления связей между клетками сердца, а также поддержания разницы потенциалов внутри и снаружи кардиомиоцитов
Cardiology
Electrophysiology
Pharmacology
25 July 2023