Исследователи из Германии применили методику глубокого машинного обучения, чтобы оценить эффективность нейросети в интерпретации ЭКГ пациентов, госпитализированных с инфарктом миокарда 1-го типа (атеротромботическим).
Проведя внешнюю валидацию, а также сравнив модель с высокочувствительным тропонином, авторы заключили, что натренированная модель не уступает врачам. Модель выложили в открытый доступ.
Если судить по потребности в реваскуляризации, модель набирала 81–82% от идеальных диагностических свойств. При этом клиницисты набрали 57–84%, а высокочувствительный тропонин — 85%. В задаче диагностики атеротромботического инфаркта модель набрала 79–80% по сравнению с 54–81% у клиницистов и 85% у высокочувствительного тропонина.
Эксперты отмечают, что при меньшей чувствительности, но специфичности, сопоставимой с тропонином, подобные модели уже могут использоваться в широкой клинической практике в качестве системы для поддержки принятия клинических решений.