Эффективность 12‑канальной ЭКГ в прогнозировании кратко‑ и долгосрочного риска внезапной сердечной смерти

Почему это важно для пациентов с сердечными заболеваниями

Внезапная сердечная смерть наступает без предупреждения и часто поражает людей, которые уже знают о наличии у них сердечных заболеваний. Многие из этих пациентов регулярно проходят электрокардиограмму (ЭКГ) — простой тест, фиксирующий электрическую активность сердца. В этом исследовании поставлен важный для пациентов и врачей вопрос: может ли информация, скрытая в стандартных 12‑канальных ЭКГ в сочетании с базовыми клиническими данными, надежно указать, кто находится в риске внезапной смерти — через годы или в ближайшем будущем?

Поиск признаков в повседневных обследованиях сердца

Исследователи из Финляндии проанализировали медицинские записи 17 625 взрослых, пролеченных в одном кардиологическом центре, у которых была выполнена коронарная ангиография — исследование сосудов, питающих сердце. Эти пациенты уже считались высокой группой риска, поскольку у многих выявлена коронарная болезнь сердца или острый коронарный синдром, например инфаркт. В течение шестнадцати лет их рутинные ЭКГ сохранялись в цифровом виде, что дало около полумиллиона записей — в среднем по 17 ЭКГ на человека. Команда также имела подробные данные о здоровье каждого пациента, назначенных лечениях и причинах смерти, и отслеживала исходы в течение медианы 7,5 лет.

Обучение компьютера «читать» электрическую картину

Вместо того чтобы просить кардиологов вручную оценивать ЭКГ, исследователи опирались на числовые параметры, автоматически извлеченные широко используемым коммерческим программным обеспечением. Эти числа описывали многие аспекты электрической активности сердца: продолжительность отдельных волн, их амплитуду в разных отведениях и наличие ритмов, таких как фибрилляция предсердий. Используя этот богатый набор параметров и базовые клинические факторы — возраст, сократительную функцию сердца, перенесенные сердечные заболевания — исследователи обучили продвинутый метод машинного обучения под названием градиентный бустинг различать людей, у которых позднее наступила внезапная сердечная смерть или сходное событие, и тех, у кого этого не произошло. Были построены отдельные модели для трех подходов: только первая ЭКГ после ангиографии для прогноза долгосрочного риска; последняя доступная ЭКГ для оценки краткосрочного риска; и последняя ЭКГ с учетом того, как менялись характеристики ЭКГ с течением времени.

Насколько хорошо модели работали на деле?

На бумаге модели выглядели очень убедительно при оценке на данных, использованных для их обучения: стандартные показатели точности указывали на почти отличные результаты. Однако при более реалистичном тестировании картина стала скромнее. Используя одну исходную ЭКГ в отдельности, способность модели отделять будущих жертв внезапной сердечной смерти от других пациентов достигала площади под ROC‑кривой (AUC) примерно 0,68 — лучше случайного угадывания, но далекo от идеала. Последняя ЭКГ перед концом наблюдения сама по себе результатов не улучшала. Добавление клинических факторов немного повышало показатели до значений AUC примерно 0,70–0,71. Лучшие краткосрочные результаты дали комбинация последней ЭКГ и информации о том, как параметры ЭКГ менялись с годами, — в полном тестовом наборе это привело к AUC около 0,72. Однако при строгом сравнении пар пациентов, тщательно подобранных по другим признакам, эти значения опустились до середины диапазона 0,6.

Ограничения прогноза в реальной практике

Поскольку внезапная сердечная смерть была относительно редким событием — даже в этой группе высокого риска — другой показатель, precision‑recall (точность‑полнота), дал трезвое представление. Способность моделей правильно отмечать пациентов, у которых действительно произошла внезапная смерть, оставалась низкой: средняя точность находилась в районе 0,08–0,11. Это по-прежнему примерно вдвое выше, чем можно было бы ожидать случайно, но далеко от уровня, необходимого для уверенного принятия решений о назначении инвазивных превентивных вмешательств, таких как имплантируемые дефибрилляторы. Важно, что в исследовании включены многие пациенты с нерегулярными ритмами и тяжелыми сопутствующими заболеваниями, в отличие от более селективных предыдущих работ. Такой подход сделал результаты более репрезентативными для повседневной клинической практики, но одновременно усложнил задачу прогнозирования.

Что это значит для пациентов и врачей

Проще говоря, крупное исследование показывает: обычные 12‑канальные ЭКГ, даже если их анализируют сложные компьютерные алгоритмы и дополняют клиническими данными, лишь умеренно прогнозируют, кто из пациентов высокого риска умрет внезапно. Электрические сигналы сердца действительно содержат полезные подсказки — особенно при их динамическом отслеживании — но сами по себе они недостаточно сильны, чтобы давать однозначные ответы о том, кому требуется агрессивная превентивная терапия. Пока врачи и пациенты должны полагаться на более широкую картину, включающую функцию сердца, симптомы, сопутствующие заболевания и новые методы оценки, в то время как исследования продолжают искать более мощные и надежные маркеры риска.

Цитирование: Hernesniemi, J.A., Pukkila, T., Rankinen, J. et al. Performance of the 12-lead ECG in predicting short- and long-term risk of sudden cardiac death. npj Digit. Med. 9, 317 (2026). https://doi.org/10.1038/s41746-026-02456-1

Ключевые слова: внезапная сердечная смерть, электрокардиограмма, машинное обучение, прогнозирование риска, коронарная болезнь сердца