Une histoire du rythme cardiaque d'un patient atteint de fibrillation auriculaire. Illustration: cardiogrammeNéanmoins, les montres intelligentes présentent certains avantages pratiques. Si vous les utilisez avec des applications d'apprentissage en profondeur et analysez les données, les informations médicales sont vraiment utiles.
Rappelez-vous comment vous êtes allé voir votre thérapeute - il a appliqué un stéthoscope sur sa poitrine et a écouté le travail du cœur, en faisant attention au bruit et à d'autres anomalies. Dans ce cas, vous pourriez être envoyé à un cardiogramme ou à une échographie cardiaque. Mais le problème est que dans la plupart des cas, il n'entendra aucune arythmie, même si c'est le cas. Très souvent, l'arythmie ne se manifeste que périodiquement. En réalité, environ 25% des personnes développent une arythmie tout au long de leur vie, mais la plupart d'entre nous
ne le sauront jamais . Selon les
statistiques , 10% des accidents vasculaires cérébraux surviennent chez des patients atteints de fibrillation auriculaire non diagnostiquée.
Les bracelets de fitness et autres gadgets portables avec mesure de la fréquence cardiaque sont un tout nouveau monde. Imaginez que votre fréquence cardiaque est mesurée en permanence, tous les jours, et en cas de problème, le médecin reçoit une notification. Mais quelle est la précision de telles mesures à partir de montres ordinaires?
Pour tester cela,
Cardiogram , le développeur de l'application mobile pertinente, a
mené une étude à grande échelle de mRhythm avec le Département de cardiologie de l'Université de Californie à San Francisco.
Premièrement, un réseau de neurones a été développé qui a été formé pour reconnaître dans l'histoire des données collectées les signes de fibrillation auriculaire - le type le plus courant d'arythmie cardiaque. L'architecture du réseau neuronal est représentée dans l'illustration.
Les données des capteurs sont réparties en quatre couches de neurones résiduels et convolutionnels avec un choix d'éléments maximum (max-pooling) après chaque couche. La sortie est envoyée aux quatre couches LSTM bidirectionnelles résiduelles. Au final, une seule couche de convolution de longueur de filtre 1 génère une estimation prédictive à chaque pas de tempsPour former le réseau neuronal, nous avons utilisé les données des utilisateurs de l'application mobile Cardiogram. Ils ont reçu 200 cardiographes mobiles AliveCor. Les utilisateurs ont enregistré 6 338 cardiogrammes avec un résultat positif ou négatif pour la fibrillation auriculaire. Après l'entraînement, le réseau neuronal a pu calculer les prévisions sur la base des statistiques habituelles de l'Apple Watch. En tant que pré-formation heuristique, le réseau neuronal a également traité 139 millions de mesures de fréquence cardiaque à partir d'utilisateurs de cardiogramme.
Après une telle formation, la précision du diagnostic était supérieure à celle des autres types de diagnostic. Les résultats de l'étude, Université de Californie à San Francisco, présentés lors d'une conférence de cardiologues
Heart Rhythm Society .
La précision de reconnaissance de la fibrillation auriculaire a été testée chez 51 patients avant et après cardioversion - la procédure pour restaurer un rythme cardiaque uniforme chez les patients atteints d'arythmie (défibrillation par des méthodes actuelles ou chimiques).
Après avoir entraîné le réseau neuronal sur les données de fréquence cardiaque de l'Apple Watch de l'application Apple Watch, l'ASC (zone sous la courbe) était de 0,97, ce qui a permis de
déterminer la fibrillation auriculaire avec une sensibilité de 98,04% et une spécificité de 90,2% ! Ce sont d'excellents indicateurs, étant donné que l'Apple Watch est un simple appareil électronique assemblé en Chine, qui donne des informations très inexactes, il ne se tenait pas à côté de vrais instruments médicaux. Cependant, même ces données sont suffisantes pour le diagnostic.
Les «montres intelligentes» avec une mesure de la fréquence cardiaque n'ont pas encore gagné en popularité, cependant, presque tout le monde peut se permettre ce gadget. La collecte de statistiques sur la fréquence cardiaque est intéressante en soi. Observez simplement comment les indicateurs changent, à quelle fréquence vous entrez dans les quatrième et cinquième zones par rapport à la fréquence cardiaque maximale - et à quelle vitesse la fréquence cardiaque normale est restaurée par la suite.
Conduite aux heures de pointe, en retard pour une réunion importante à 16h00. Illustration: cardiogramme
Entraînement fou. Illustration: cardiogramme
Le jeu de tennis. Illustration: cardiogrammeLes statistiques de fréquence cardiaque d'exploration de données ne sont pas la seule application des réseaux de neurones en médecine. En décembre 2016, une équipe de recherche de Google a formé le réseau neuronal pour détecter la rétinopathie diabétique (l'une des complications les plus graves du diabète lorsque les vaisseaux rétiniens sont affectés)
avec une plus grande précision que les ophtalmologistes . Un mois plus tard, des chercheurs de l'Université de Stanford ont publié un article scientifique dans
Nature sur la façon dont un réseau neuronal identifie les cas de cancer de la peau à partir de photographies de lésions.
La détection de la fibrillation auriculaire est une autre réalisation importante de l'apprentissage en profondeur appliqué à la médecine. Les spécialistes du cardiogramme sont convaincus qu'en plus de la fibrillation auriculaire, le réseau neuronal peut détecter d'autres maladies cardiaques selon les données recueillies auprès des montres intelligentes. La seule question est la formation. Nous considérons également l'option d'auto-apprentissage avec renforcement, lorsque les utilisateurs cliquent sur un bouton, signalant une attaque de panique, par exemple. Au fil du temps, le réseau neuronal mettra en évidence les signes d'une attaque de panique et pourra le détecter par lui-même.