Elektrokardiografia (EKG) jest wykorzystywana w medycynie przy rozpoznawaniu chorób serca. Teraz naukowcy z Politechniki Warszawskiej danymi z badań EKG zasilili sztuczną inteligencję. Pozwoli to na lepsze diagnozowanie pacjentów i skuteczniejsze leczenie.
Badanie EKG polega na rejestracji elektrycznej czynności mięśnia sercowego z powierzchni klatki piersiowej. To jedno z najtrudniejszych badań w analizie i diagnostyce medycznej. Kardiolodzy od dawna mają problem z oceną stanu pacjenta na jego podstawie.
– Problemem w kardiologii jest również lokalizacja zaburzenia. Nie zawsze wiadomo, czy zdarzenie – takie jak źródło arytmii czy zawał – jest zlokalizowane w komorze serca lewej, w prawej, czy może w przegrodzie międzykomorowej. Na podstawie powierzchniowego EKG nadal bardzo ciężko jest powiedzieć, gdzie dokładnie w mięśniu coś się wydarzyło – wyjaśnia prof. Rafał Baranowski z Narodowego Centrum Kardiologii w Aninie.
Lepsza i skuteczniejsza interpretacja badań EKG pozwoliłaby na szybsze diagnozowanie pacjentów, a to z kolei przekłada się na skuteczniejsze ich leczenie. Dlatego zagadnieniem zainteresował się zespół z Politechniki Warszawskiej.
– Wcześniej nasz zespół zajmował się sercem od strony ‘systemu sterowania’: rytmu serca i tego, jak on się zmienia – więc już trochę o tym wiedzieliśmy. Tym, co dzieje się z samym mięśniem, zajmowaliśmy się natomiast z elektrofizjologami, takimi jak niezapomniany profesor Franciszek Walczak, dzięki czemu mieliśmy pojęcie o aktywności elektrycznej serca. Natomiast tym, jak interpretować EKG, i dlaczego ono jest opisywane tak, a nie inaczej, zaczęliśmy interesować się niedawno – powiedział dr Teodor Buchner, fizyk z Politechniki Warszawskiej.
Sztuczna inteligencja ma interpretować EKG
Zespół doktora Buchnera postanowił ułatwić diagnostykę kardiologiczną dzięki nowoczesnemu narzędziu z wykorzystaniem sztucznej inteligencji. W tym celu złożył wniosek o patent na udoskonalone badanie EKG przy pomocy AI.
– Sformułowaliśmy teorię, która w prosty sposób wiąże informację z wyniku badania EKG z informacją o stanie mięśnia. Uważamy, że nasz sposób obrazowania wyniku EKG pokazuje rzeczywisty stan mięśnia. Pokazujemy, skąd fizycznie wziął się sygnał widoczny w EKG, i jak go można zinterpretować. Do tej analizy zaprzęgnięta jest sieć neuronowa. Wpisujemy się więc w nurt poszukiwania nowych narzędzi przy użyciu możliwości, jakie daje sztuczna inteligencja – opisuje działania zespołu Buchner.
Prowadzący zespół wyjaśnia także, jakie dane są analizowane przez sztuczną inteligencję.
– Ona przetwarza sygnał EKG i wypuszcza informację, która ma bezpośrednie odniesienie do stanu mięśnia. Obecnie trzeba zgadywać z wykresu EKG, że jakiś załamek na wykresie ma 2 mm, a inny ma 3 mm – i co to właściwie oznacza. Istnieją choroby tak trudne do rozpoznania, że do opisu EKG zdefiniowano już ponad 70 parametrów i dalej nie ma zgody, które z nich są najlepsze. Dzięki naszemu rozwiązaniu sztuczna inteligencja przekłada ten abstrakcyjny obraz – na obraz łatwo zrozumiały dla lekarza – opisuje działanie technologii Buchner.
AI nie zastąpi człowieka, ale może mu pomóc
Algorytmu sztucznej inteligencji nie są w stanie zastąpić lekarzy i nie należy do tego podchodzić w ten sposób. Wykorzystanie ich to ułatwienie w diagnostyce, ale finalnie zawsze pojawia się człowiek, który sam wyniki interpretuje i jest w stanie wychwycić ewentualne błędy i pomyłki.
– My – jako inżynierowie – jesteśmy bardzo krytyczni w odniesieniu do sztucznej inteligencji, bo wiemy, że żaden algorytm nie jest inteligentniejszy od człowieka, który go napisał. I że sztuczna inteligencja dziedziczy po nas wszystkie ograniczenia. My możemy jej zlecić, żeby zobaczyła coś, czego my nie zobaczyliśmy, ale to i tak ciągle odbywa się w ‘piaskownicy intelektualnej’, którą definiuje człowiek, a algorytm tylko wykonuje jego polecenia – analizuje sytuację Buchner.
Jak zatem ma wyglądać współpraca człowieka z technologią? Co takiego w wykresie EKG może „dostrzec” sztuczna inteligencja, czego nie zauważy lekarz?
– My mówimy: przekop mi tę piaskownicę i wyjmij wszystkie kamyczki. Ale to my wytyczyliśmy tę piaskownicę – czyli dostarczamy danych. I znamy każdy z tych kamieni, bo to my określamy język, w którym opisane są rozwiązania. Sztuczna inteligencja lepiej skaluje nasze wysiłki. Ona zrobi to bardzo szybko – przekonuje szef zespołu.
Żeby pomimo wsparcia AI lekarze nie tracili czujności i wykorzystywali ją jako narzędzie, a nie w roli zastępcy, zespół Buchnera przygotował narzędzie edukacyjne. Ma ono uzupełniać pracę z nową technologią.
– Stworzyliśmy narzędzie edukacyjne, które pokazuje, z czego fizycznie – w związku z pracą serca – wynika to, co widzi lekarz na wykresie EKG. Dzięki temu narzędziu lekarz może sobie wyrobić lepszą intuicję, bo do tej pory bazował na wyglądzie krzywej EKG. To tak, jakby próbować odczytać wzór na pończosze, kiedy ona jest zwinięta w kulkę – wyjaśnia Teodor Buchner.
Lekarze sami przeprowadzając wiele badań mają intuicję przy ich interpretacji, jednak warto uzupełnić to narzędziami ułatwiającymi analizę trudnych przypadków. Profesor Buchner ma także nadzieję, że istniejące na świecie bazy danych wyników EKG będą szeroko udostępniane, by zasilać programy AI i ułatwiać badania.
– Bazy są teraz rozproszone, a my wierzymy, że będą integrowane dla dobra ludzkości. Hindusi już teraz mają gigantyczną bazę miliona wyników badań EKG – stwierdza Buchner.
Źródło: forsal.pl
