Mesterséges intelligencia két másodperc alatt felismeri a szívbetegségeket az EKG-n
Az Imperial College London kutatói olyan mesterséges intelligenciát fejlesztettek, amely az emberi szem számára láthatatlan jeleket képes felismerni az elektrokardiogrammon, és így szívgyengeséget és szívbillentyű-betegségeket diagnosztizálhat.
Az Imperial College London National Heart and Lung Institute intézetének kutatói olyan AI-rendszert hoztak létre, amely a szokásos EKG-vizsgálatokból több információt képes kinyerni, mint az orvosok eddig felhasználtak. A mesterséges intelligencia kevesebb mint két másodperc alatt képes elemezni az elektrokardiogramokat, és olyan szívbetegségekre utaló jeleket azonosít, amelyek az emberi szem számára nem láthatók. A technológiát az Imperial College London kutatói több mint 1,6 millió brazil és több millió amerikai EKG-felvételen tanították be.
A tesztek során a diagnosztikai pontosság 83 és 93 százalék között mozgott. Egy 65 000 amerikai pácienst érintő vizsgálatban a rendszer az esetek 81 százalékában azonosította a szívgyengeséget és 90 százalékában a szívbillentyű-betegségeket. A kutatók azt tapasztalták, hogy az EKG-adatokból más betegségekre, például cukorbetegségre vagy vesebetegségre utaló információk is kinyerhetők.
A technológia nem helyettesíti az orvost vagy a szívultrahangot, hanem olyan betegeket szűr ki, akiknél fokozott kockázat áll fenn, és további vizsgálatra van szükség. A rendszer automatikusan elemezhetné a kórházak összes EKG-felvételét, és azonosíthatná a magas kockázatú betegeket még azelőtt, hogy súlyos tünetek jelentkeznének. Az Imperial College London jelenleg klinikai vizsgálatot végez az Egyesült Államokban, amely 590 résztvevővel 2027 augusztusáig tart. A technológia egyelőre még nem kapott engedélyt a rutinszerű klinikai alkalmazásra.
Forrás: Berliner Zeitung — „Was Ärzte im EKG nicht sehen: KI erkennt Herzkrankheiten in zwei Sekunden - Berliner Zeitung”
Ez az összefoglaló a fenti forrás alapján, mesterséges intelligenciával készült. Szerkesztőségi ellenőrzésen nem esett át; a részletekért olvasd el az eredeti cikket.