Диагностика ишемической болезни коронарных артерий с помощью обработки сигналов и машинного обучения сердечных звуков: систематический обзор

Прислушивание к сердцу вместо вхождения в артерии

Ишемическая болезнь коронарных артерий, при которой сужаются сосуды, питающие сердце, является одной из ведущих причин смерти в мире. Сегодня врачи обычно подтверждают это заболевание инвазивными исследованиями с введением катетеров в сердце или с помощью дорогостоящих приборов визуализации. В этом исследовании задают простой и привлекательный вопрос: может ли тщательный анализ обычных сердечных звуков — записанных микрофонами на груди и интерпретируемых компьютерами — предложить безопасную и быструю первичную проверку на закупорку коронарных артерий?

Почему закупоренные артерии меняют звук сердца

Когда коронарная артерия сужена, кровь проходит через более узкое отверстие, создавая турбулентный, высокоскоростной поток. Эта турбулентность может порождать слабые шумы и дополнительные вибрации, особенно в фазе расслабления сердца, когда кровь обычно течёт спокойнее. То же снижение кровоснабжения может тонко ослаблять сократительную функцию сердца и изменять временные характеристики и силу основных сердечных сокращений. Все эти изменения немного изменяют «музыку» сердцебиения. Современные электронные стетоскопы могут захватывать эти звуки, которые затем преобразуются в цифровые сигналы для компьютерного анализа.

Как исследователи искали по научной литературе

Авторы прошли четыре крупных медицинских базы данных и отобрали более тысячи публикаций о сердечных звуках и коронарной болезни. После удаления дубликатов, очень небольших отчётов и работ с плохой методикой они оставили 40 исследований, в которых в сумме участвовали 13 814 человек. Почти во всех этих работах наличие или отсутствие значимого сужения артерий подтверждали стандартной визуализацией коронарных сосудов, а затем сопоставляли эти данные с тем, что можно было извлечь из сердечных звуков. Примерно половина исследований опиралась на традиционную обработку сигналов — математические описания энергии и частот звука, — тогда как вторая половина использовала машинное обучение, где алгоритмы выучивают закономерности прямо из данных.

Ограничения традиционных звуковых измерений

В старом подходе учёные выбирали несколько конкретных звуковых признаков, которые, как полагали, могут отражать сужение артерий. Типичные показатели включали, например, сколько звуковой энергии приходилось на определенные частотные диапазоны в фазе расслабления сердца или насколько продолжительны и сильны основные сердечные сокращения. Эти исследования часто выглядели многообещающе в небольших группах пациентов, иногда сообщая о корректной идентификации заболевания в более чем 70 процентах случаев. Но по мере роста объёма выборок до сотен и тысяч точность падала, часто опускаясь ниже 70 процентов и иногда приближаясь к случайному угадыванию. Многие из этих работ также тестировали свои методы на тех же людях, на которых их разрабатывали, что вызывает сомнения в применимости результатов к новым пациентам.

Машинное обучение выявляет скрытые закономерности сердца

Новые исследования пошли другим путём. Вместо ограничения несколькими вручную выбранными признаками они позволяли алгоритмам обучаться более богатым паттернам в звуке. Некоторые объединяли десятки или даже сотни традиционных измерений; другие подавали в глубокие нейронные сети необработанную звуковую волну или цветные временно-частотные изображения сердцебиения. Среди 19 таких работ большинство сообщало о чувствительности и специфичности выше 80 процентов, то есть системы во многих случаях правильно определяли как больных, так и здоровых. Важно, что большинство исследований по машинному обучению проверяли модели на сердечных звуках людей, не участвовавших в обучении, что добавляет уверенности в способности методов обобщать. Модели, анализировавшие весь цикл сердцебиения, а не только тихую диастолическую фазу, демонстрировали лучшую работу — это говорит о том, что полезные признаки болезни артерий распределены по всему циклу сердца, а не сосредоточены в один момент.

Что это может значить для повседневной помощи

В совокупности данные указывают на то, что применение машинного обучения к сердечным звукам обладает реальным потенциалом как неинвазивное средство для выявления ишемической болезни коронарных артерий, тогда как одних простых приёмов обработки сигналов, вероятно, недостаточно для высокой точности. Авторы, однако, предостерегают, что большинство исследований пока малы и проводились в одном лечебном учреждении, часто в тщательно контролируемых условиях записи. Чтобы перейти от исследований к повседневному применению — возможно, в отделениях неотложной помощи, клиниках или даже в инструментах на основе смартфонов — нужны крупные многоклинические испытания. Эти будущие исследования должны показать, что такие системы остаются точными в разных группах пациентов, понятны для врачей и органично вписываются в клинические маршруты. Если эти препятствия будут преодолены, внимательное прослушивание сердца при поддержке искусственного интеллекта однажды может помочь выявить скрытую болезнь артерий задолго до необходимости инвазивного теста.

Цитирование: Ainiwaer, A., Konings, T.J., Kadier, K. et al. Coronary artery disease diagnosis with signal processing and machine learning of heart sound signals: a systematic review. npj Digit. Med. 9, 350 (2026). https://doi.org/10.1038/s41746-026-02530-8

Ключевые слова: ишемическая болезнь коронарных артерий, сердечные звуки, машинное обучение, неинвазивная диагностика, цифровой стетоскоп