В статье, опубликованной в журнале Cardiovascular Diabetology, они подчеркнули значимость открытия для развития скрининга предиабета, в том числе с помощью носимых устройств для контроля сердечной деятельности.
Алгоритм машинного обучения LightGBM, лежащий в основе работы DiaCardia, проанализировал более 16 000 медицинских заключений, где были указаны уровни глюкозы в плазме натощак (FPG) и гликированного гемоглобина (HbA1c), а также данные ЭКГ. Диагноз предиабета/диабета определялся как наличие хотя бы одного из трех критериев: FPG ≥110 мг/дл, HbA1c ≥6,0% или назначение противодиабетических препаратов. В ходе тестирования ИИ-модель выявила лиц с предиабетом, используя только данные ЭКГ в 12 отведениях.
В качестве предикторов предиабета/диабета модель выбрала более высокие амплитуды зубца R и снижение вариабельности сердечного ритма, так как эти признаки связаны с гипертрофией левого желудочка вследствие инсулинорезистентности и вегетативной нейропатии. Сопоставимые результаты были получены и при использовании данных ЭКГ с одним отведением, что открывает новые возможности для скрининга предиабета в домашних условиях с помощью носимых на запястье устройств.
Koga, D., Kaneda, R., Komiya, C. et al. Artificial intelligence identifies individuals with prediabetes using single-lead electrocardiograms. Cardiovasc Diabetol 24, 415 (2025). https://doi.org/10.1186/s12933-025-02982-4
