Доктор Нисимори Макото из университетской больницы Кобе и доцент проекта Киучи Кунихико и др. (Отделение сердечно-сосудистой медицины, Отделение внутренней медицины) разработали ИИ, который использует несколько видов тестовых данных для прогнозирования расположения избыточных путей в сердце, называемых «вспомогательными путями», которые заставляют сердце биться нерегулярно. В этом исследовании исследователи смогли повысить точность диагноза, заставив ИИ учиться на двух совершенно разных типах результатов тестов – данных электрокардиографии (ЭКГ) и рентгеновских изображениях. Есть надежда, что эта методология может быть применена к другим расстройствам на основе успешных результатов этого исследования.

Эти результаты исследования были опубликованы в Интернете в журнале Scientific Reports 13 апреля 2021 года.

Вольф-Паркинсон-Уайт (WPW) – это аритмическое расстройство. Пациенты с синдромом WPW рождаются с избыточными проводящими путями внутри сердца, называемыми «вспомогательными путями», которые могут вызывать эпизоды тахикардии, когда пульс учащается. Катетерная абляция включает использование катетера для выборочного прижигания дополнительных путей и может полностью вылечить это заболевание. Однако вероятность успеха катетерной абляцииварьируется в зависимости от расположения дополнительных путей. Обычно ЭКГ в 12 отведениях (т. Е. Обычная электрокардиография) использовалась для прогнозирования местоположения дополнительных путей до лечения. Однако этот нынешний метод, основанный исключительно на ЭКГ, недостаточно точен, что затрудняет предоставление пациентам полного объяснения, включая степень успеха лечения. В этом исследовании была предпринята попытка использовать ИИ для решения этой проблемы.

Исследователи использовали методику обучения искусственному интеллекту, называемую глубоким обучением . Глубокое обучение включает в себя ввод данных для каждого пациента и соответствующих ответов в программу. Повторяя этот процесс обучения, программа автоматически становится умнее. Используя эту методологию, исследовательская группа смогла представить решение ранее нерешенной проблемы, тем самым способствуя дальнейшему применению ИИ в современной медицине.