Diagnozowanie i klasyfikacja chorób serca na podstawie sygnałów EKG przy użyciu hybrydowego Fuzzy-CNN optymalizowanego algorytmami metaheurystycznymi

Dlaczego ważne są inteligentniejsze monitory serca

Choroby serca pozostają główną przyczyną zgonów na świecie, a drobne zmiany w elektrycznym rytmie serca często dostarczają najwcześniejszych sygnałów ostrzegawczych. Lekarze odczytują te ślady elektryczne, zwane EKG, aby wychwycić niebezpieczne nieregularne uderzenia, jednak sygnały te są zaszumione, złożone i ciągłe. W artykule badano nowy sposób uczenia komputerów odczytywania EKG bliżej poziomu ekspertów kardiologów, z celem szybkiego i niezawodnego wykrywania zagrażających życiu zaburzeń rytmu.

Od naklejek na klatce do cyfrowych uderzeń serca

Każde EKG zaczyna się od prostych czujników umieszczonych na skórze, które wychwytują elektryczną aktywność serca. Powstałe faliste linie pokazują, jak górne i dolne komory kurczą się i regenerują przy każdym biciu. Subtelne zmiany kształtu i czasu tych fal mogą sygnalizować bardzo różne problemy: niektóre stosunkowo niegroźne, inne związane z udarem lub nagłą śmiercią sercową. Sygnały EKG są jednak niewielkie, łatwo zaburzane przez ruch i zakłócenia elektryczne oraz mogą zmieniać się nawet u zdrowych osób, co utrudnia wiarygodną automatyczną analizę.

Dlaczego niektóre nieregularne uderzenia są bardziej niebezpieczne

Badacze koncentrują się na siedmiu powszechnych wzorcach rekomendowanych przez międzynarodowy standard badań rytmu serca. Należą do nich uderzenia prawidłowe, dodatkowe uderzenia zaczynające się w górnych komorach, dodatkowe uderzenia z dolnych komór, bloki przewodzenia serca, uderzenia fuzyjne łączące dwa sygnały oraz uderzenia trudne do sklasyfikowania. Dodatkowe uderzenia z dolnych komór są ściśle powiązane z szybkim, chaotycznym rytmem, który może zatrzymać serce, natomiast pewne dodatkowe uderzenia z górnych komór sugerują ryzyko przyszłego udaru. Prawidłowe wykrycie tych ryzykownych uderzeń wśród wielu uderzeń prawidłowych jest kluczowe, jeśli systemy automatyczne mają pomagać lekarzom w podejmowaniu terminowych decyzji.

Przekształcanie uderzeń serca w obrazy, aby komputer mógł je zobaczyć

Zamiast podawać surowe, faliste linie bezpośrednio do programu, zespół najpierw oczyszcza sygnały EKG, aby usunąć powolne dryfy i sieciowe brumy. Następnie stosują strategię poszukiwań inspirowaną zachowaniem dzikich stad koni, by znaleźć najbardziej regularny powtarzający się fragment rytmu u każdej osoby. Przy tym dopasowanym czasie każdy krótki odcinek EKG jest matematycznie zawijany w pętlę i rysowany jako obraz dwuwymiarowy. Te obrazy zachowują kluczowe kształty każdego uderzenia przy wygładzeniu szumów i losowych przesunięć. Równocześnie klasyczne cechy czasowe, takie jak odstępy między uderzeniami i długość istotnych interwałów, są mierzone, dając drugie, bardziej tradycyjne spojrzenie na rytm serca.

Hybrydowy „mózg” do rozpoznawania rytmu

Aby odczytywać te wzbogacone sygnały, autorzy zbudowali hybrydowy model komputerowy łączący dwie koncepcje. Po pierwsze, głęboka sieć obrazowa skanuje obrazy EKG w kilku warstwach, ucząc się rozpoznawać subtelne wzory wizualne powiązane z każdym typem rytmu. Po drugie, warstwa logiki rozmytej, która operuje łagodnymi regułami „jeśli-to” zamiast twardych decyzji tak/nie, łączy to, czego nauczyła się sieć obrazowa, z cechami czasowymi. Druga strategia poszukiwań inspirowana zachowaniem zwierząt, wzorowana na polowaniu pumy, dostraja wszystkie wagi sieci i ustawienia reguł rozmytych jednocześnie, zamiast polegać na standardowych, stopniowych metodach regulacji, które mogą utknąć w słabych rozwiązaniach.

Jak dobrze działa system

Model jest trenowany i testowany na dobrze znanym publicznym zbiorze EKG, który zawiera oznaczone przez ekspertów uderzenia od 47 osób, a następnie sprawdzany na oddzielnym dużym zestawie długoterminowym, aby ocenić jego uogólnialność. W głównej bazie danych poprawnie klasyfikuje prawie wszystkie uderzenia w ramach siedmiu grup, ze skutecznością ogólną wynoszącą 99,71 procent. Co szczególnie ważne, jego czułość na najbardziej niebezpieczne klasy — dodatkowe uderzenia z dolnych i z górnych komór — wzrasta w porównaniu z ostatnimi konkurencyjnymi metodami. Szczegółowe analizy statystyczne pokazują, że cechy wykorzystywane do podejmowania decyzji odpowiadają znanym markerom medycznym, takim jak zmiany w odstępach między uderzeniami i czasach regeneracji.

Co to oznacza dla pacjentów i klinicystów

Mówiąc prosto, praca ta pokazuje, że przekształcanie sygnałów EKG w obrazy i ich łączenie z rozumowaniem opartym na regułach może pomóc komputerom odróżniać niebezpieczne rytmy serca od niegroźnych z bardzo wysoką niezawodnością. Choć nie zastępuje kardiologów, taki system mógłby stanowić podstawę inteligentniejszych monitorów przyłóżkowych, urządzeń noszonych lub narzędzi telemedycznych, które w czasie rzeczywistym sygnalizują niepokojące wzorce, pozwalając ekspertom skupić się na najpilniejszych przypadkach.

Cytowanie: Davani, M., Taghizadeh, M., Pirbonyeh, M.A. et al. Heart disease diagnosis and categorization from ECG signals using hybrid Fuzzy-CNN machine optimized by meta-heuristic algorithms. Sci Rep 16, 16001 (2026). https://doi.org/10.1038/s41598-026-43637-y

Słowa kluczowe: arytmia EKG, rytm serca, uczenie głębokie, logika rozmyta, AI w medycynie