Klasyfikacja napadowej migotania przedsionków przy użyciu elektrokardiogramów w rytmie zatokowym metodą symetrycznej projekcji rekonstrukcji atraktora

Dlaczego to badanie rytmu serca ma znaczenie

Migotanie przedsionków to powszechny problem rytmu serca, który może dyskretnie zwiększać ryzyko udaru i przedwczesnej śmierci. Jedna z zagadkowych postaci, zwana napadowym migotaniem przedsionków, pojawia się i ustępuje w krótkich epizodach, dlatego pacjenci mogą mieć całkowicie prawidłowy zapis serca podczas wizyty u lekarza. W tym badaniu postawiono prowokujące pytanie: czy nawet gdy elektrokardiogram (EKG) wygląda normalnie, nie kryje on subtelnego odcisku palca ukrytych zaburzeń rytmu, który komputery potrafią wykryć — i czy to mogłoby oszczędzić pacjentom tygodni niewygodnego monitorowania serca?

Ukryte wskazówki w codziennym badaniu serca

Lekarze zwykle rozpoznają migotanie przedsionków, rejestrując epizod na EKG obrazującym elektryczną aktywność serca. U osób, których epizody są krótkie i rzadkie, standardowe badania — a nawet 30‑dniowe monitory przenośne — często nie wykrywają problemu. Badacze sprawdzili, czy krótkie, 10‑sekundowe EKG wykonane w rytmie zatokowym może mimo to ujawnić, kto ma historię napadowego migotania przedsionków. Gdyby to było możliwe, rutynowe badanie w przychodni lub na izbie przyjęć mogłoby wskazać pacjentów zagrożonych bez oczekiwania na kolejny epizod.

Przekształcanie uderzeń serca w kształty geometryczne

Aby poszukać tych ukrytych wskazówek, zespół zastosował metodę przetwarzania sygnału nazwaną Symmetric Projection Attractor Reconstruction. Zamiast skupiać się na znanych punktach orientacyjnych EKG — ostrych grzbietach i falach, które lekarze zwykle analizują — ta metoda traktuje cały powtarzający się rytm serca jako wzorzec w czasie. Próbkuje każde uderzenie w kilku punktach i wykreśla te wartości względem siebie, przekształcając jednowymiarowy sygnał w dwuwymiarowy obraz geometryczny zwany atraktorem. Subtelne zmiany w sposobie narastania, opadania i wariacji sygnału elektrycznego serca między kolejnymi uderzeniami ujawniają się jako różnice w kształcie, rozmiarze i gęstości tych wzorców atraktora, nawet gdy pierwotne EKG wygląda dla oka na normalne.

Uczenie komputerów rozpoznawania ryzykownych wzorców

Badacze sięgnęli po dużą, otwartą bazę danych EKG, która zawierała osoby z udokumentowanymi epizodami migotania przedsionków oraz starannie dobrane grupy kontrolne bez znanych zaburzeń rytmu, wyrównane pod kątem wieku i płci. Dla każdego 10‑sekundowego zapisu w rytmie zatokowym wygenerowali obrazy atraktorów ze wszystkich 12 odprowadzeń EKG i przekształcili te kształty w numeryczne podsumowania opisujące, jak gęsto punkty skupiały się w różnych kierunkach i odległościach od środka. Te podsumowania wprowadzono następnie do dwóch standardowych metod uczenia maszynowego: jednej, która klasyfikuje nowy przypadek na podstawie najbliższych sąsiadów w zbiorze danych, i drugiej, która buduje drzewo decyzyjne oparte na regułach typu jeśli‑to. Zespół sprawdził też praktyczne kwestie ważne w zastosowaniach rzeczywistych, takie jak które odprowadzenie EKG działa najlepiej i czy niższe częstotliwości próbkowania — powszechne w urządzeniach klinicznych — pogarszają efektywność.

Jak dobrze działała metoda

W różnych kombinacjach ustawień najlepsza konfiguracja wykorzystała cechy atraktora opisujące, jak gęsto punkty rozmieszczone były wokół okręgu, pobrane z EKG próbkowanych z częstotliwością 125 Hz i klasyfikowane metodą najbliższych sąsiadów. W tych warunkach system poprawnie rozróżniał osoby z i bez napadowego migotania przedsionków w około 81% przypadków. Był bardzo niezawodny w identyfikowaniu naprawdę zdrowych osób (około 95% specyficzności), ale bardziej umiarkowany w wykrywaniu wszystkich chorych (około 67% czułości). Podejście oparte na drzewie decyzyjnym podniosło nieco czułość do około 73%, kosztem większej liczby fałszywych alarmów. Co istotne, metoda potrzebowała tylko 10 sekund zapisu w rytmie zatokowym, a jej czułość była mniej więcej dwukrotnie wyższa niż ta zgłaszana dla 30‑dniowego długoterminowego monitorowania serca w wcześniejszych pracach.

Kto skorzysta i co wymaga dopracowania

Badacze stwierdzili, że wydajność była dość stabilna w różnych grupach wiekowych, ale nieco lepsza u mężczyzn niż u kobiet, co prawdopodobnie odzwierciedla nierównowagi w bazie danych. Inne schorzenia serca obecne u niektórych pacjentów miały tendencję do obniżania dokładności, a istotne wydawały się też odstępy czasowe między udokumentowanym epizodem migotania a zapisanym EKG w rytmie zatokowym. Wyniki te sugerują, że przyszłe badania na większych, bardziej zróżnicowanych grupach pacjentów — z dokładnym rejestrowaniem innych diagnoz i czasu nagrań — mogą dopracować narzędzie i wyjaśnić, gdzie działa najlepiej, na przykład w przychodniach, izbach przyjęć czy w urządzeniach noszonych.

Krok w stronę wcześniejszego, prostszego wykrywania

Dla laika kluczowy przekaz jest taki, że standardowe, krótkie badanie serca może kryć więcej informacji, niż lekarze widzą na pierwszy rzut oka. Przekształcając pozornie normalne uderzenia serca w wzorce geometryczne i pozwalając algorytmom porównywać te kształty między wieloma pacjentami, badanie wykazuje, że możliwe jest wskazanie osób z historią napadowego migotania przedsionków na podstawie zaledwie kilku sekund rytmu zatokowego. Choć metoda nie jest jeszcze idealna, otwiera obiecującą drogę do szybszego, wygodniejszego przesiewu, który mógłby pomóc wcześniej identyfikować osoby zagrożone udarem i wskazywać, kto powinien otrzymać bliższe monitorowanie lub leczenie zapobiegawcze.

Cytowanie: Creasy, S., Lip, G.Y.H., Tse, G. et al. Classification of paroxysmal atrial fibrillation using sinus rhythm electrocardiograms using the symmetric projection attractor reconstruction method. Sci Rep 16, 9705 (2026). https://doi.org/10.1038/s41598-026-37491-1

Słowa kluczowe: migotanie przedsionków, elektrokardiogram, uczenie maszynowe, rytm serca, wczesne wykrywanie