Diese künstliche Intelligenz diagnostiziert Herzinsuffizienz mit 100-prozentiger Wirksamkeit

Die Herzinsuffizienz (CHF) ist eine progressive chronische Erkrankung, die die Pumpleistung der Herzmuskulatur beeinflusst.

Dank der Entwicklung eines neuronalen Netzwerks kann nun Herzinsuffizienz mit 100% iger Genauigkeit identifiziert werden durch die Analyse eines einzelnen Herzschlags ohne Elektrokardiogramm (EKG).

Nur ein Schlag

Gepostet in Biomedizinisches Signalverarbeitungs- und Kontrolljournal Von Forschern der Universität von Surrey zufolge deuten die Ergebnisse dieser Studie auf eine drastische Verbesserung der bestehenden CHF-Nachweismethoden hin, bei denen im Allgemeinen die Variabilität der Herzfrequenz im Vordergrund steht. Es kostet viel Zeit und ist fehleranfällig.

Es ist nicht das, was mit diesem neuen Ansatz passiert, der null Fehler macht, basierend auf hochwirksamen hierarchischen neuronalen Netzwerken, um Muster und Strukturen in den Daten zu erkennen.

Insbesondere verwendet das neue Modell eine Kombination aus fortschrittlicher Signalverarbeitung und Werkzeugen maschinelles Lernen in rohen EKG-Signalen.

Das Modell ist auch eines der ersten, das die morphologischen Merkmale des EKG identifizieren kann, die spezifisch mit dem Schweregrad der Erkrankung zusammenhängen.

Mit rund 26 Millionen Menschen weltweit, die von einer Form der Herzinsuffizienz betroffen sindDiese Forschung stellt einen wichtigen Fortschritt in der gegenwärtigen Methodik dar, die es Patienten ermöglicht, frühzeitig und effizienter zu diagnostizieren und so den wirtschaftlichen Druck auf die vorhandenen Ressourcen zu verringern.