В сельских клиниках Индии, Африки и Южной Америки миллионы электрокардиограмм лежат на бумаге. Нет оцифровки, нет подключения к облаку, нет GPU для анализа. Есть только бумажная лента и врач, который смотрит на неё невооружённым глазом. И пока пациент ждёт перевода в городской госпиталь, время для спасения миокарда уходит — каждая минута окклюзии коронарной артерии означает гибель тысяч кардиомиоцитов.

Группа исследователей предложила решение: ECGLight — end-to-end пайплайн, который превращает фотографию бумажной ЭКГ в калиброванный 12-канальный сигнал и автоматически определяет инфаркт миокарда. Система работает на обычном процессоре за 30 секунд — без интернета, без GPU, без облачной инфраструктуры. На датасете PTB-XL из 21 799 записей точность составляет 95.51% (F1 = 0.9519), а на госпитальном датасете ECG-Matrix для выявления острой окклюзии — 88.89% (F1 = 0.8862).

Что такое ECGLight и почему это важно

Электрокардиография остаётся краеугольным камнем диагностики сердечно-сосудистых заболеваний. Сердечно-сосудистые заболевания убивают около 20 миллионов человек в год — это 33% всей смертности в мире. Острый коронарный синдром, включающий нестабильную стенокардию и инфаркт миокарда с подъёмом и без подъёма сегмента ST, поражает примерно каждого пятого. ЭКГ — единственный метод, который одновременно дёшев, неинвазивен и даёт полную пространственно-временную картину электрической активности сердца.

Проблема в том, что во многих удалённых регионах ЭКГ-аппараты не экспортируют цифровой сигнал. Результат печатается на термобумаге, и эта бумага — единственный носитель информации. Миллионы записей физически существуют, но недоступны для ИИ-анализа. Предыдущие работы решали задачи оцифровки и диагностики по отдельности, используя тяжёлые модели, требующие GPU и стабильного соединения с облаком. ECGLight объединяет оба этапа в единый лёгкий пайплайн, который помещается на смартфон или портативный компьютер.

Архитектура: от пикселей до диагноза за 30 секунд

Пайплайн ECGLight состоит из нескольких последовательных модулей, каждый из которых оптимизирован для работы на CPU. Первый этап — сегментация волновых форм с помощью YOLOv11x-seg (62.1 миллиона параметров, FP16-ускорение). Модель выполняет instance-сегментацию, выделяя чернильные кривые из-под сетки, теней и артефактов сканирования. Инференс занимает менее 300 миллисекунд на процессоре с четырьмя ядрами ARM Cortex-A78 при 2.4 ГГц.

Ключевая инновация — patched-подход. Вместо обработки всей страницы целиком, лист разбивается на частично перекрывающиеся тайлы размером 1280×1280 пикселей. Каждый тайл обрабатывается отдельно, затем маски сшиваются с морфологической эрозией и фильтрацией контуров, а множественные сетки (4×5, 5×6, 6×8) объединяются через pixel-wise union. Это решает фундаментальную проблему полностраничного подхода: при апсемплинге до 2000×2000 модель хорошо обнаруживает bounding-боксы (precision 0.995, mAP@50 0.994), но теряет тонкую структуру кривых — IoU масок составляет лишь 0.221. Patched-режим жертвует немного в детекции (precision 0.953, mAP@50 0.934), но поднимает IoU масок до 0.647, Dice до 0.782 — трёхкратное улучшение качества сегментации.

После сегментации идёт детекция отведений — модель определяет подписи «I», «II», «V1»–«V6» и восстанавливает формат раскладки (3×4, 4×3, 6×2, 12×1 или Cabrera). Точность определения раскладки — от 84.5% до 99.5% в зависимости от формата. Затем референсный импульс (калибровочный прямоугольник 0.2 мВ × 40 мс) используется для физической привязки амплитуды и временной шкалы — это критически важно, потому что бумажные ЭКГ могут быть отсканированы с разным масштабом.

Завершает пайплайн классификатор: для MI-детекции используется Arsenal (ансамбль kernel-based методов), который показывает точность 0.9583 на PTB-XL при CPU-латентности 6314 мс. Для выявления острой окклюзии на ECG-Matrix работает Rocket с точностью 0.8889 и латентностью всего 2 мс.

Результаты на соревновании PhysioNet и кросс-платформенный перенос

На официальном деградированном тестовом наборе PhysioNet Challenge 2024 — с выцветшими чернилами, складками, низким контрастом и шумом сканирования — ECGLight достиг SNR 4.54 dB с Pearson r = 0.806 и RMSE = 0.043 мВ. Для сравнения: SignalSavants показали 3.479 dB, Ahus AI Lab — 2.777 dB, USST_Med — −0.058 dB. Преимущество особенно заметно в условиях сильного деградирования: именно те failure-моды, которые встречаются в реальных архивах (выцветшие чернила, морщины, температурные искажения), — это те условия, в которых patched-подход с мультигридной фузией даёт максимальный выигрыш.

Однако кросс-платформенный перенос выявляет ограничение. Модель, обученная на синтетически сгенерированных сканах PTB-XL (через ECG-Image-Kit), при прямом применении к реальным госпитальным ЭКГ ECG-Matrix показывает снижение качества. Это классический domain gap: синтетические артефакты не полностью покрывают разнообразие реальных принтеров, бумаги, сканеров и условий съёмки. Авторы предлагают дообучение на небольшом количестве реальных данных как путь к устранению этого разрыва.

Интерпретируемость: SHAP показывает, куда смотрит модель

Чёрный ящик в медицине неприемлем — врач должен понимать, почему модель поставила диагноз. ECGLight интегрирует SHAP (SHapley Additive exPlanations) для атрибуции предсказаний к конкретным отведениям и временным областям. На PTB-XL атрибуции концентрируются вокруг комплекса QRS и раннего сегмента ST — именно тех областях, которые клинически информативны для инфаркта. Пиковая активность наблюдается в передних отведениях V1–V4, боковых I/aVL/V5–V6 и нижних II/III/aVF, что полностью соответствует кардиологической анатомии.

На ECG-Matrix картина различается по задачам: Pre- vs. Post-операционный MI показывает распределённую атрибуцию от QRS через ST-T, тогда как OMI vs. non-OMI подчёркивает реполяризационно-чувствительные области (сегмент ST и зубец T) с когерентными паттернами через смежные отведения. Эти физиологически правдоподобные атрибуции подтверждают, что реконструированный сигнал сохраняет клинически значимую морфологию, а не просто визуально похож на оригинал.

Почему CPU, а не GPU, — это не компромисс, а стратегия

Многие ИИ-медицинские системы проектируются «от GPU» и потом пытаются ужаться. ECGLight спроектирован от обратного: целевая среда — офлайн-клиника с портативным компьютером. Все 30 секунд полного цикла (сегментация + реконструкция + классификация + SHAP) укладываются в бюджет, совместимый с реальным клиническим workflow. Это не облачное API, которое требует 5 Мбит/с и отвечает через 10 секунд при хорошей связи — это локальная система, работающая в полевых условиях.

Архитектурный выбор в пользу YOLOv11x-seg вместо более тяжёлых сегментаторов (Mask R-CNN, SAM) и kernel-based классификаторов (Rocket, Arsenal) вместо глубоких нейросетей (ResNet, Transformer) — это не «мы не смогли лучше». Это осознанная оптимизация под TinyML-среду, где каждый милливатт и каждый килобайт памяти имеют значение.

Интересно, что авторы тестировали YOLOv12x-seg на patched-режиме и получили значительно худшие результаты: precision 0.602, IoU — практически нулевой. Это нетривиальный результат: более новая архитектура не всегда означает лучшую производительность на конкретной задаче, особенно когда речь идёт о нестандартных условиях ввода (зашумлённые сканы, наложения, вариативность бумаги). YOLOv11x с его anchor-free heads и feature-pyramid aggregation оказался лучше адаптирован к тонким повторяющимся кривым ЭКГ.

Что происходит на этапе реконструкции сигнала

После сегментации волновых форм система выполняет калибровку. На бумаге ЭКГ стандартный калибровочный прямоугольник — это 0.2 мВ по амплитуде и 40 мс по времени. Детектируя этот прямоугольник, пайплайн вычисляет физический масштаб в милливольтах на пиксель и миллисекундах на пиксель. Это превращает набор бинарных масок в физически осмысленный временной ряд с правильной размерностью.

Затем идёт извлечение 12 каналов. По подписям отведений (I, II, III, aVR, aVL, aVF, V1–V6) и определению раскладки система восстанавливает правильную последовательность каналов. Точность определения формата варьируется: для классической раскладки 3×4 — 99.5%, для 12×1 — 92.0%, для 4×3 — 84.5%. Даже худший результат означает, что из каждых 100 ЭКГ лишь 15 могут потребовать ручной коррекции раскладки — и это для зашумлённых, деградированных сканов.

На этапе оценки качества реконструкции для каждого канала вычисляются метрики согласования с оригинальным WFDB-сигналом. Pearson r варьируется от 0.813 (отведение I) до 0.835 (отведение III), RMSE — от 0.012 до 0.017 мВ, SNR — от 4.40 до 4.81 dB. Все p-values составляют порядка 10^-99 и ниже, что подтверждает статистическую значимость соответствия.

Практическое значение

По данным ВОЗ, более 30% смертей в мире связаны с сердечно-сосудистыми заболеваниями. Значительная часть этих смертей происходит в регионах без доступа к цифровой медицине. ECGLight не решает проблему отсутствия электричества или квалифицированных кадров, но он устраняет конкретное узкое место: превращение бумажной записи в цифровой сигнал, доступный для анализа. Это позволяет превратить архивы бумажных ЭКГ в популяционные данные для ретроспективного моделирования рисков, массового скрининга и клинических исследований.

Код и данные доступны в репозитории проекта. Датасет PTB-XL (21 799 записей, 18 869 пациентов) публично доступен через PhysioNet, что обеспечивает воспроизводимость результатов. ECG-Image-Kit — инструмент синтеза бумажных ЭКГ из WFDB-сигналов — также открыт, что позволяет другим исследователям генерировать тренировочные пары для своих моделей.

Для России и стран СНГ это особенно актуально: в сельских фельдшерско-акушерских пунктах (ФАП) и районных больницах до сих пор работают с бумажными ЭКГ-лентами. Возможность оцифровать архивы и добавить к ним автоматический скрининг без закупки дорогих цифровых ЭКГ-аппаратов — это практический путь к снижению кардиологической смертности в регионах с ограниченной инфраструктурой.

Часто задаваемые вопросы

Насколько точна диагностика по фото бумаги vs. по цифровому сигналу? На PTB-XL точность MI-детекции достигает 95.51% (F1 = 0.9519) — это сопоставимо с экспертным уровнем. На реальных госпитальных данных (ECG-Matrix) точность ниже — 88.89% для OMI, что отражает domain gap между синтетическими и реальными сканами. Дообучение на реальных данных может сократить этот разрыв.

Можно ли запустить ECGLight на обычном смартфоне? Пайплайн оптимизирован для CPU-only (ARM Cortex-A78) и работает за 30 секунд на ЭКГ. Современные смартфоны с чипами уровня Snapdragon 8 Gen 2/3 или Apple A16+ по производительности превосходят тестовую конфигурацию, что делает мобильный деплойment реалистичным сценарием.

Что мешает внедрению прямо сейчас? Основная преграда — domain gap. Модель обучена на синтетических сканах, и кросс-платформенный перенос на реальные госпитальные ЭКГ снижает качество. Необходим сбор реальных пар «бумажная ЭКГ — цифровой сигнал» для дообучения. Также требуется клиническая валидация на prospectively набранных данных.

Итог

ECGLight демонстрирует, что передовой ИИ-анализ не обязательно требует облака и GPU. End-to-end пайплайн от фотографии бумажной ЭКГ до выявления инфаркта за 30 секунд на процессоре — это не концепт и не демо, а работающая система с 95.5% точностью на 21 799 записях. Для миллионов пациентов в удалённых клиниках это может означать разницу между вовремя начатым лечением и упущенным окном реперфузии. Если вы работаете на стыке edge AI и медицины — стоит внимательно следить за развитием этого направления.