Исследователи Университета Иннополис, Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» и вузов Индии разработали новую нейросетевую архитектуру для классификации аритмии по электрокардиограммам. ИИ-модель достигла точности 97,8% и позволяет врачам видеть, на основании каких участков сигнала искусственный интеллект принимает решение.

Сердечно-сосудистые заболевания остаются ведущей причиной смертности в мире, ежегодно унося около 18 миллионов жизней. Своевременная и точная диагностика аритмий по ЭКГ критически важна, однако традиционные методы анализа требуют высокой квалификации врача и занимают много времени. Современные системы ИИ могут автоматически классифицировать нарушения ритма, но большинство из них работают как «черные ящики»: врач видит диагноз, но не понимает, почему модель приняла такое решение. Это ограничивает доверие к ИИ-сервисам и препятствует внедрению нейросетей в клиническую практику.
Разработанная учеными модель решает эту проблему с помощью двух механизмов многоголового внимания, которые работают одновременно в пространственном и временном измерениях ЭКГ-сигнала. Первый механизм выделяет, какие участки сигнала, например, P-волна, QRS-комплекс или T-волна, наиболее важны для диагностики заболевания. Второй — определяет, на каких временных интервалах модель фокусируется при классификации.
Ключевое преимущество разработки — встроенная объяснимость: модель генерирует тепловые карты внимания, которые визуально показывают, какие именно фрагменты ЭКГ повлияли на решение ИИ. Например, при классификации нормального сердечного ритма модель фокусируется на QRS-комплексе — том же ориентире, который использует опытный врач-кардиолог.
«Наше ИИ-решение — прозрачное: тепловые карты позволяют врачу проверить логику модели, убедиться, что она ориентируется на клинически значимые участки ЭКГ, и принять обоснованное решение. Это снижает риск диагностических ошибок, повышает доверие к ИИ-инструментам и ускоряет процесс анализа ЭКГ — вместо часов ручной работы система выдает результат за секунды».
Дмитрий Каплун, ведущий программист-математик Исследовательского центра в сфере ИИ Университета Иннополис
Модель прошла проверку на одном из авторитетных открытых наборов ЭКГ-данных, состоящем из 48 получасовых записей, полученных от 47 пациентов. Исследователи провели серию экспериментов с разным объемом обучающих данных — от 10% до 90% — и показали, что новая ИИ-модель сохраняет стабильную производительность даже при ограниченном количестве размеченных примеров. Кроме того, авторы сравнили новую архитектуру с разработанными ранее, и она показала наилучший результат: с 97,8% точностью определяла аритмию по ЭКГ. Улучшения статистически подтвердили и тесты Фридмана и Уилкоксона. Результаты исследования опубликовал научный журнал Scientific Reports.



