Deras ai ställer hjärtdiagnoser ”med 100 procents träffsäkerhet”

Hjärtsjukdomar påverkar en stor del av befolkningen – globalt är omkring 25 miljoner människor drabbade. En snabb insats kan avgöra utgången, men symtomen är ibland diffusa. Därför finns ett stort behov av att kunna skilja ut de som verkligen har råkat ut för det livshotande tillståndet.

Nu har forskare från England och Italien tillsammans utvecklat ett neuronnät som de hävdar kan ställa diagnosen med 100 procents exakthet, detta med utgångspunkt från EKG som skildrar ett enda hjärtslag. Det visar en studie som är publicerad i tidskriften Biomedical Signal Processing and Control Journal.

De tre forskarna bakom studien kommer från universiteten i Surrey, Warwick och Florens. De har använt ett så kallat convolutional neutral network (CNN), en typ av artificiellt neuronnät som är effektivt för att identifiera mönster och strukturer i data.

”Från ett enda hjärtslag kan vi upptäcka hjärtproblem”

Vanligtvis fastställs kongestiv hjärtsvikt (CHF) genom att man analyserar hjärtats frekvens från EKG, men processen är tidskrävande och lämnar utrymme för feltolkningar. Den nya modellen analyserar den råa EKG-signalen genom att kombinera avancerad signalbehandling med verktyg för maskininlärning.

– Vi tränade och testade CNN-modellen i stora publika EKG-databaser, på individer med CHF såväl som friska hjärtan utan arytmi. Vår modell levererade 100 procents träffsäkert. Med utgångspunkt från ett enda hjärtslag kan vi upptäcka huruvida en person har hjärtproblem. Vår modell är också en av de första som kan identifiera EKG:ts morfologiska egenskaper, som är kopplade till hur allvarligt tillståndet är, säger dr. Sebastino Massaro på University of Surreys hemsida.