Deep learning per classificare i casi di aritmia cardiaca

Alcuni ricercatori della Stanford University hanno sviluppato un algoritmo di intelligenza artificiale che è in grado di rilevare casi potenzialmente pericolosi di aritmia cardiaca esaminando i dati sul battito cardiaco raccolti in un periodo di due settimane.

L’algoritmo, che si basa su una rete neurale e su un dataset di notevoli dimensioni, ha mostrato un tasso di successo superiore a quello di cardiologi umani e ha il vantaggio di poter essere usato anche là dove questi non sono presenti.

L’algoritmo è stato sviluppato come sistema per semplificare le diagnosi nei casi di aritmia cardiaca in cui una visita dal cardiologo non evidenzi particolari problemi. In questi casi si prescrive al paziente un dispositivo portatile che monitora costantemente il battito cardiaco per due settimane, generando una enorme quantità di dati che dovrebbero essere analizzati in dettaglio.

I ricercatori della Stanford University hanno voluto considerare questa situazione come un problema di analisi dei dati prima che clinico. Hanno quindi sviluppato una rete neurale per il deep learning che potesse rilevare ben 14 tipi di aritmia cardiaca, partendo da una base dati costituita da oltre 64 mila elettrocardiogrammi di 29 mila pazienti circa.

L’addestramento della rete neurale è durato sette mesi ed è stato testato su un campione di 336 registrazioni collegate a 328 pazienti unici. Questi elettrocardiogrammi di test sono stati esaminati sia dagli algoritmi sia da un gruppo di cardiologi e nel complesso l’algoritmo è risultato un po’ più preciso dei medici umani. Il suo tasso di efficacia ha raggiunto l’80 percento mentre quello dei cardiologi si è attestato sul 75 percento.

Come in altri casi simili, però, va ricordato che lo sviluppo di algoritmi di machine learning non ha lo scopo di superare i medici umani nel tasso di efficacia. L’utilità degli algoritmi sta nell’affiancarli per arrivare a diagnosi più veloci e per ridurre il numero di quelle sbagliate. In futuro, spiegano i ricercatori, i sistemi di deep learning potranno essere anche usati insieme a dispositivi wearabale a basso costo per arrivare a diagnosi utili dove non è facile farsi visitare da un cardiologo.

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here