華沙理工大學的科學家們向人工智能輸入了心電圖數據，使醫生能夠更快地診斷心臟病發作。
該大學的物理學家 Teodor Buchner 博士告訴 PAP："我們的心電圖成像方法可以顯示肌肉的實際狀況，這將使醫生能夠更快、更有效地診斷心臟病發作和心律不整。
心電圖（ECG）是醫學中用於診斷心臟病的一種診斷測試。它從胸部表面記錄心肌的電活動。測量結果是兩個電極之間的電位（電壓）差，以圖形方式顯示在特殊的圖紙或屏幕上。
心電圖是醫學診斷中最難分析的測試之一，心臟病專家多年來一直在努力解決根據從心電圖獲得的訊息評估患者的狀況。很大一部分心臟病發作甚至無法通過心電圖測試記錄下來，而能夠快速反應對於挽救一個人的生命至關重要。心電圖“看不見”的梗塞只有在患者到達醫院並進行額外檢查後才能檢測到。減少診斷和治療所需的時間將有助於降低死亡率。
心臟病學的另一個問題是疾病的定位。心律不整或心肌梗塞的源頭究竟是在左心室、右心室還是室間隔，並不總是很清楚。參與研究的臨床醫生之一、Anin心臟病研究所的拉法烏-巴拉諾夫斯基（Rafał Baranowski）教授說："根據表面心電圖，我們仍然很難準確判斷肌肉的哪個部位發生了病變。
布赫納博士說：「以前，我們的團隊從 "控制系統 "的角度來研究心臟：心律及其變化，因此我們對此已經有了一些了解。至於肌肉本身發生了什麼變化，我們與電生理學家（如Franciszek Walczak 教授）一起進行了研究，因此我們對心臟的電活動有了一定的了解。最近，我們對如何解讀心電圖以及它是如何被描述的產生了濃厚的興趣。」
布赫納的團隊已經申請了一項利用人工智慧來改進心電圖（ECG）的解決方案的專利。「我們提出了一個理論，它簡單地將ECG測試結果的訊息與關於肌肉狀況的訊息相關聯。我們認為，我們對ECG結果的成像方式顯示了肌肉的實際狀況。我們展示了ECG中可見訊號的物理來源以及如何解釋它。這個分析使用了神經網絡，因此我們正在利用人工智慧提供的可能性來尋找新的工具。」他說。
他還解釋了人工智慧處理的訊息：「它處理心電圖信號並輸出直接關於肌肉狀況的信息。目前，您必須根據心電圖圖上的一些波形是2毫米，另一些是3毫米來猜測 - 以及這實際上意味著什麼。有一些疾病非常難以診斷，已經定義了超過70個參數來描述心電圖，但仍然沒有達成哪些參數是最好的共識。由於我們的解決方案，人工智慧將這個抽象的圖像轉化為醫生容易理解的圖像。」
「這將帶來更快、更精確的診斷，因此臨床路徑可能會改變。病人可能已經在救護車上接受治療，因為醫生對病人的情況有更大的確定性。」布赫納說。
當被問及人工智能的數據庫時，這位科學家表示，他希望現有的患者心電圖數據庫能夠被廣泛使用。 「數據庫現在是分散的，我們相信它們將被整合起來以造福人類。印度已經擁有包含一百萬份心電圖測試結果的龐大數據庫。」他說。
