Ранняя идентификация внегоспитальной остановки сердца на основе глубоких языковых моделей из реальных экстренных вызовов

Почему важно быстрее обнаруживать сердечные чрезвычайные ситуации

Когда у человека внезапно останавливается сердце вне больницы, на счету каждая секунда. Выживание зависит от того, как быстро кто-то распознаёт кризис, вызовет помощь и начнёт непрямой массаж сердца. Даже обученные диспетчеры могут пропустить такие случаи в условиях хаотичного телефонного звонка. В этом исследовании проверяли, сможет ли продвинутая языковая система искусственного интеллекта анализировать стенограммы экстренных вызовов и в реальном времени отмечать возможную остановку сердца, предоставляя диспетчерам дополнительный «слух» в самый критический первый минутный интервал.

Что происходит во время звонка в стиле 911

Внегоспитальная остановка сердца наступает внезапно, прерывая кровообращение и угрожая повреждением мозга через считанные минуты. Шансы на выживание значительно повышаются, когда прохожие быстро приступают к грудным компрессиям, зачастую по указаниям диспетчера по телефону. Но звонящие могут находиться в панике, не понимать, что они видят, или путаться из‑за аномального судорожного дыхания, напоминающего вдохи. В результате диспетчеры не распознают остановку сердца примерно в одном из четырёх случаев, что задерживает жизненно важные инструкции. Традиционные инструменты пытаются помочь с помощью жёстких списков вопросов или поиска ключевых слов в разговоре, но их легко обмануть расплывчатой, эмоциональной или вводящей в заблуждение речью.

Как построили модель, учитывающую ход беседы

Исследователи разработали систему под названием DyLM-OHCA, использующую глубокое языковое моделирование — приём, близкий по принципу к современным чат‑ботам — для анализа стенограмм экстренных вызовов. Вместо того чтобы фиксироваться на отдельных словах, модель читает разворачивающийся диалог между звонящим и диспетчером. Её натренировали на почти 159 000 экстренных вызовов из трёх крупных южнокорейских городов, включая более 2 600 подтверждённых случаев остановки сердца. В процессе обучения модель научилась превращать каждую новую последовательность слов в текущую оценку того, описывает ли звонящий остановку сердца, другое серьёзное происшествие или менее опасную проблему, при этом без необходимости подробной разметки каждого предложения.

Насколько хорошо ИИ распознаёт остановку сердца

Команда протестировала DyLM-OHCA на звонках, которых модель раньше не видела, и просила принять решение в пределах первых 60 секунд: происходит ли остановка сердца. По сравнению с четырьмя известными методами машинного обучения, опирающимися на вручную составленные статистики слов, языковой подход оказался значительно точнее. По стандартным сводным метрикам он корректно отделял вызовы с остановкой сердца от остальных в более чем девяти из десяти случаев и выявлял примерно четыре из пяти истинных остановок сердца в течение первой минуты. В среднем система подавала первое предупреждение около 20-й секунды звонка — более чем на 20 секунд раньше, чем некоторые предыдущие компьютерные модели в других исследованиях — при этом доля ложных тревог оставалась ниже одной из десяти звонков.

На что именно обращает внимание ИИ

Чтобы понять решения системы, исследователи проанализировали, какие фрагменты беседы сильнее всего склоняли модель к предупреждению об остановке сердца. Вместо того чтобы зациклиться на одном «волшебном» слове, модель реагировала на последовательности: вопрос диспетчера, спрашивающего, в сознании ли человек или дышит ли он, а затем комментарии звонящего вроде «не приходит в сознание» или намёки, что что‑то серьёзно не так. Модель также отслеживала, как меняется её уверенность с течением времени. В большинстве подлинных случаев остановки сердца, как только риск вырос, он оставался высоким. В более чем половине ложных тревог риск же пиковал рано и затем падал, когда в разговоре выявлялись детали, указывающие на другие события, например судороги или приступы затруднённого дыхания.

Как это может помочь реальным диспетчерам

С практической точки зрения DyLM-OHCA задумана как тихий помощник, а не замена человеческому суждению. В ходе звонка она постоянно обновляет сигнал риска, видимый диспетчеру, и предоставляет простые объяснения, какие недавние фразы вызвали тревогу. Такой контекст может сделать предупреждения системы более доверительными по сравнению с «чёрными ящиками» старых моделей и подтолкнуть к более целенаправленным вопросам или более ранним инструкциям по компрессиям грудной клетки, когда на кону секунды. Исследование проводилось на корейскоязычных звонках из одной страны и ещё не тестировалось в реальном времени, но результаты указывают, что учитывающий ход беседы ИИ может существенно повысить раннюю идентификацию остановки сердца и, в конечном счёте, улучшить выживаемость.

Цитирование: Choi, HJ., Hwang, M., Cho, S. et al. Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls. npj Digit. Med. 9, 307 (2026). https://doi.org/10.1038/s41746-026-02498-5

Ключевые слова: остановка сердца, экстренные вызовы, искусственный интеллект, языковые модели, сердечно-легочная реанимация с помощью диспетчера