Российские ученые разработали улучшенный метод диагностики болезней сердца

Исследователи из Саратовского государственного медицинского университета (СГМУ) представили новую математическую модель, способную значительно улучшить диагностику сердечно-сосудистых заболеваний. По данным исследования, описанным в журнале The European Physical Journal Special Topics, использование этой модели позволит уменьшить количество ошибок при диагностировании на 50%. Об этом сообщает РИА Новости.

Ученые объяснили, что ритм биения сердца здорового человека является нерегулярным, что означает, что интервалы между сокращениями могут отличаться. Однако у пациентов с сердечно-сосудистыми заболеваниями, такими как гипертония, ритм сердца становится более регулярным по сравнению с здоровыми людьми.

Используя спектральный анализ электрической активности сердца, полученный с помощью электрокардиографии (ЭКГ), ученые предложили новый подход к диагностике. Они создали математическую модель, которая точно оценивает степень нерегулярности сердечного ритма и способна выявить патологии. Однако, поскольку построение точных спектров биологических систем является сложной задачей, все методы диагностики имеют определенную погрешность.

Ученые из СГМУ разработали модель, которая точно имитирует биологический сигнал и позволяет вычислить погрешность при оценке спектров биологического сигнала. Путем использования этой модели они планируют улучшить точность диагнозов сердечно-сосудистых заболеваний на 50%, особенно в случаях гипертонии. Старший научный сотрудник НИИ кардиологии СГМУ Юрий Ишбулатов сообщил, что увеличение длины регистрируемых ЭКГ сигналов до 15-20 минут может значительно повысить точность диагностики.

Полученная модель была опубликована в открытом доступе, что позволяет медицинским специалистам оценить точность спектрального анализа при диагностике различных патологий. В дальнейшем исследователи планируют разработать модели для оценки погрешностей в анализе длительных ЭКГ сигналов с использованием носимой электроники, чтобы улучшить мониторинг состояния пациентов.

Science XXI
Adblock
detector