Ученые разработали энергоэффективную технологию измерения сердечного ритма для носимых устройств

Команда ученых из Philips Health и Бристольского университета представила алгоритм машинного обучения, способный предсказывать пульс на основе данных акселерометра, встроенного в смартфон, «умные» часы или какое-либо другое носимое устройство. Он потребляет в 5 тысяч раз меньше энергии, чем используемые для тех же измерений пульсоксиметры.

Как это работает?

Специалисты обратились к данным проекта EurValve — это многолетнее клиническое исследование здоровья людей, перенесших операцию по замене клапана на сердце. Каждый из них носит устройство с акселерометром, заряда которого хватает на три недели, а также оснащенный пульсоксиметром датчик Philips Health с батареей на четыре дня. Домашний вычислительный модуль Smart Home in a Box (SHiB) получает и обрабатывает данные с обоих приборов.

Исследователи натренировали две модели. Регрессионная, которая полагалась исключительно на данные акселерометра, сопоставляла их с частотой сердечного ритма человека и пыталась предсказать его пульс в будущем. Вторая модель, запускаемая на модуле SHiB, работает по методу так называемого «активного обучения». Она способна обращаться к данным любого из датчиков в зависимости от ситуации.

Таким образом, вторая модель научилась подмечать, что с увеличением ускорения при ходьбе или легком беге сердцебиение учащается. Для оптимизации затрат энергии она обращается в этом случае к данным акселерометра. Погрешность — 2,5−5 ударов сердца в минуту.

В июле 2018 года немецкие ученые разработали алгоритм, который по электрокардиограмме способен на уровне кардиолога распознать признаки сердечного приступа. Исследователи также обнаружили, что при диагностике ИИ обращал больше внимания на те факторы, на которые ориентируются реальные врачи.