Нейросеть по обычной ЭКГ нашла группу, где внезапно умирают 7% в год против 4,6%
В США от внезапной остановки сердца умирают более 300 тысяч человек в год, а врачи плохо знают, кому заранее нужен дефибриллятор. Нейросеть из Беркли, обученная на 440 тысячах шведских ЭКГ, выделила группу, где от неё умирают 7% пациентов за год; привычный критерий — сколько крови сердце выталкивает за удар — даёт группу с 4,6%. Для запуска достаточно обычных ЭКГ из больничного архива, новое обследование не нужно.
AI-обработка оригинала Science Daily AI; редакция Hamidun News
Представьте, что у вас есть тревожная система, которая должна подсвечивать пользователей, готовых уйти, но она ловит не тех, а самые важные случаи пропускает. Примерно так сегодня устроена медицина с внезапной остановкой сердца. Лекарство есть: имплантируемый дефибриллятор останавливает опасный сбой ритма электрическим разрядом. Но заранее почти невозможно понять, кому он нужен. Исследователи из Калифорнийского университета в Беркли обучили нейросеть искать подсказку в обычной ЭКГ и опубликовали результат в журнале Nature. Группа пациентов, которую выбрал ИИ, оказалась опаснее: в ней от внезапной остановки сердца умирают 7% людей в год. В группе, собранной по стандартному критерию врачей (насколько хорошо сердце выталкивает кровь за одно сокращение), этот показатель составляет 4,6%. Иначе говоря, ИИ точнее указал на тех, кому действительно грозит беда.
Почему нынешний скрининг подводит
В США от внезапной остановки сердца умирают более 300 тысяч человек в год. Это не инфаркт: при инфаркте закупоривается сосуд, а здесь отказывает электрическая система, которая задаёт ритм сердцебиения. Около 90% людей, у которых остановка случилась вне больницы, умирают в течение нескольких минут.
Сегодня решение о дефибрилляторе в основном опирается на объём крови, который сердце выбрасывает за удар. Если насос работает ниже порога, пациента считают кандидатом на имплант. У метода две слабые стороны. Во-первых, такое измерение требует отдельного обследования, и многие будущие жертвы его не проходят: поводов для тревоги у них нет. Во-вторых, у примерно двух третей высокорисковых пациентов с имплантом устройство ни разу не срабатывает. Одни люди переносят дорогую инвазивную операцию без пользы, а другие умирают без предупреждения.
Как обучали нейросеть
Команда Зиада Обермайера начала с шести лет ЭКГ из единой шведской системы здравоохранения: больше 440 тысяч записей. Их сопоставили со свидетельствами о смерти. Так модель увидела три группы: здоровых, людей с известными сердечными рисками и тех, кто позже внезапно умер от сердечной причины. Она сама научилась находить сочетания пиков, волн и других особенностей сигнала, связанных с повышенным риском.
Затем алгоритм проверили на двух независимых наборах: двух годах обезличенных ЭКГ из больничной системы Сан-Диего и данных из Тайбэя. Это важно, потому что модель, обученная на шведах, могла просто запомнить особенности одной популяции. Проверка в США и на Тайване показала, что найденный сигнал работает и в других странах.
Алгоритм заметил и более широкую группу риска: в неё попали тысячи людей, которых по действующим рекомендациям сочли бы малоопасными. Кроме того, ему достаточно обычных ЭКГ, которые больницы и так собирают, то есть новый вид обследования не нужен.
Что дальше и какие есть ограничения
До рутинного применения пока далеко. Авторы работают с медицинскими системами Швеции, Тайваня и США, чтобы прогнать алгоритм по больничным базам ЭКГ. План такой: врачи свяжутся с пациентами, у которых оценка высокая, и предложат носить пластырь с непрерывной записью сердечной активности. Эти данные помогут понять, какие процессы в сердце порождают сигнал, а у части пациентов, возможно, станут основанием для имплантации дефибриллятора.
Есть и честная оговорка: учёные пока не знают, что именно в сердце меняет электрический рисунок, который выучила модель. Это сильный практический инструмент, но объяснения у него пока нет. Для клинического внедрения понадобятся проспективные проверки и согласование с регуляторами.
Для индустрии медицинского ИИ здесь два урока. Первый: ценность часто создаёт не архитектура модели, а доступ к данным. Обермайер говорит, что такие данные «невероятно трудно получить». На сбор трёх массивов у него ушло около десяти лет, вместе с проектами Dandelion Health и Nightingale Open Science, которые он помогал создавать. Второй урок: самые дешёвые и привычные медицинские сигналы, такие как ЭКГ, могут хранить больше информации, чем видит врач. Командам, которые строят клинический ИИ, стоит искать применение в уже накопленных архивах и обязательно проверять модель на данных из других стран и больниц.
- 2 февр. 2026 г.Gemini 3 и блеф: почему нейросети теперь играют в покер
- 2 мая 2026 г.PhenMap и NHS: ИИ подскажет, кому не поможет бевацизумаб при раке кишечника
- 16 июн. 2026 г.Локальная нейросеть для мониторинга серверных логов
- 27 окт. 2026 г.OpenAI и Anthropic заявили, что их ИИ опроверг ETH — гипотезу о трудности задач
Вопросы и ответы по материалу
Что известно по теме: почему нынешний скрининг подводит?
В США от внезапной остановки сердца умирают более 300 тысяч человек в год. Это не инфаркт: при инфаркте закупоривается сосуд, а здесь отказывает электрическая система, которая задаёт ритм сердцебиения. Около 90% людей, у которых остановка случилась вне больницы, умирают в течение нескольких минут. Сегодня решение о дефибрилляторе в основном опирается на объём крови, который сердце выбрасывает за удар. Если насос работает ниже порога, пациента считают кандидатом на имплант. У метода две слабые стороны.
Что известно по теме: как обучали нейросеть?
Команда Зиада Обермайера начала с шести лет ЭКГ из единой шведской системы здравоохранения: больше 440 тысяч записей. Их сопоставили со свидетельствами о смерти. Так модель увидела три группы: здоровых, людей с известными сердечными рисками и тех, кто позже внезапно умер от сердечной причины. Она сама научилась находить сочетания пиков, волн и других особенностей сигнала, связанных с повышенным риском.
Что известно по теме: что дальше и какие есть ограничения?
До рутинного применения пока далеко. Авторы работают с медицинскими системами Швеции, Тайваня и США, чтобы прогнать алгоритм по больничным базам ЭКГ. План такой: врачи свяжутся с пациентами, у которых оценка высокая, и предложат носить пластырь с непрерывной записью сердечной активности. Эти данные помогут понять, какие процессы в сердце порождают сигнал, а у части пациентов, возможно, станут основанием для имплантации дефибриллятора.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.