Алгоритм выявления курильщика по кардиограмме: Промежуточные итоги исследовательского конкурса

^[1]

На Geektimes уже писали ^[2] о проекте мобильного кардиографа CardioQVARK ^[3], а на Хабре — о проводимом его командой исследовательском конкурсе ^[4] для разработчиков и математиков. Вкратце, его суть заключается в разработке алгоритма распознавания курильщика по его кардиограмме.

Конкурс стартовал в конце декабря и привлек внимание большого количества специалистов в области математики, алгоритмов и машинного обучения. Сегодня мы расскажем о его предварительных результатах.

Зачем все это нужно

Существуют исследования специалистов по машинному обучению, которые показывают, что ЭКГ-сигнал несет в себе информацию о функционировании всех систем организма, а не только сердца. При этом каждое заболевание по-своему «модулирует» ЭКГ-сигнал, а значит знаки приращений интервалов и амплитуд последовательных кардиоциклов можно использовать для диагностики информации о возможных проблемах со здоровьем у человека, в том числе на ранних этапах их возникновения.

В докладе ^[5] на V Международной конференции «математическая биология и биоинформатика» Константин Воронцов из из Вычислительного центра им. А. А. Дородницына РАН продемонстрировал различия в знаках приращения интервалов (dRn), амплитуд (dTn) и углов (dαn) кардиоциклов у здоровых и страдающих различными заболеваниями людей.

Поиск курильщика по кардиограмме поможет добиться главной цели соревнования — получение результата, который бы продемонстрировал возможность или невозможность осуществления качественной диагностики с помощью ЭКГ и алгоритмов выявления в сигнале кардиограммы маркеров заболеваний различных органов.

Это по-настоящему интересная и важная задача, решение которой поможет ускорить дальнейшие исследования, когда появится большая база данных кардиограмм, снятых с помощью мобильного кардиографа.

Общая статистика

В ходе первого этапа конкурса его участниками стали 148 команд и индивидуальных конкурсантов, которые отправили 1738 решений. В итоговый рейтинг попали 72 участника. Теперь первый этап соревнования завершен, и до 15 марта организаторы принимают работы 10 лучших конкурсантов.

Под спойлерами ниже представлен список университетов, научных институтов РАН, компаний и организаций, чьи сотрудники сформировали команды для участия в соревновании (в скобках указывается количество членов команды, если цифры нет — это значит, что участвовал один человек):

Университеты:

• МГУ им. М. В. Ломоносова: Мех-мат, ВМК, Физический факультет (28)
• МФТИ (20)
• СПбГУ
• МАМИ
• МГТУ имени Н.Э. Баумана (3)
• НИУ ВШЭ (6)
• Казанский ГМУ
• ПензГТУ (3)
• ВятГУ(2)
• ВлГУ
• УГНТУ
• САФУ им. М. В. Ломоносова
• УГАТУ (2)
• LUT, Финляндия
• БГТУ им. В.Г.Шухова
• Приокский государственный университет
• Белорусский государственный университет (2)
• SMMS (NY) (2), США
• УрФУ
• НИУ МЭИ
• НИУ МИЭТ
• ТГТУ
• КНУ им. Т. Шевченко
• ГрГУ им. Янки Купалы
• ПГТУ
• РГРТУ
• ННГУ им.Лобачевского

Институты РАН:

• ИСА РАН
• ВЦ РАН им. А. А. Дородницына (4)
• ИБХ РАН
• ИММ УрО РАН им. Н.Н.Красовского
• ИАП РАН
• ИПУ РАН им. В. А. Трапезникова
• СПИИРАН
• ИМ СО РАН (2)
• ИППИ РАН (3)

Компании и организации:

• Яндекс (1) и Яндекс ШАД (2)
• Searchmetrics
• COMODO
• BBOXX Ltd
• Cinimex
• Softsystem
• Rambler&Co
• Ident
• NetCracker Technology Corp
• ЦГЭ
• ВЕБРОБОТИКС
• МЕТКОМБАНК
• Baker Hughes
• Luxoft
• Сфит Лайф ФудСервис
• Кировский научно-исследовательский институт гематологии и переливания крови

А вот как выглядит десятка лидеров, которым удалось создать алгоритмы, показавшие наилучшие показатели чувствительности и специфичности:

1. Белавин Владислав Сергеевич (belavin). МФТИ. Первое решение: Se = 54,69%, Sp = 45,70%, Sum = 100,39%. Лучшее решение: Se = 60,94%, Sp = 78,57%, Sum = 139,51%.

2. Дьяконов Александр Геннадьевич (djakonov). МГУ им. М. В. Ломоносова, ВЦ РАН им. А. А. Дородницына. Первое решение: Se = 39,06%, Sp = 46,24%, Sum = 85,30%. Лучшее решение: Se = 73,44%, Sp = 67,74%, Sum = 141,18%.

3. Исаков Роман Владимирович (IRV). ВлГУ. Первое решение: Se = 57,81%, Sp = 53,76%, Sum = 111,57%. Лучшее решение: Se = 62,50%, Sp = 70,97%, Sum = 133,47%.

4. Брюханов Илья Александрович (ibryukhanov). МГУ им. М. В. Ломоносова. Первое решение: Se = 54,69%, Sp = 59,14%, Sum = 113,83%. Лучшее решение: Se = 50,00%, Sp = 81,18%, Sum = 131,18%.

5. Докукин Александр Александрович, Сенько Олег Валентинович, Чучупал Владимир Яковлевич (alex_dok). ВЦ РАН им. А. А. Дородницына. Первое решение: Se = 28,13%, Sp = 56,99%, Sum = 85,12%. Лучшее решение: Se = 59,38%, Sp = 66,67%, Sum = 126,04%.

6. Цацорин Евгений Анатольевич (eugtsa). Первое решение: Se = 50,00%, Sp = 50,00%, Sum = 100,00%. Лучшее решение: Se = 60,94%, Sp = 63,98%, Sum = 124,92%.

7. Тихонов Алексей Иванович (potom20). Первое решение: Se = 64,06%, Sp = 31,72%, Sum = 95,78%. Лучшее решение: Se = 57,81%, Sp = 65,05%, Sum = 122,86%.

8. Дубнов Игорь Андреевич (dubnov). МФТИ. Первое решение: Se = 89,06%, Sp = 14,52%, Sum = 103,58%. Лучшее решение: Se = 40,63%, Sp = 75,27%, Sum = 115,89%.

9. Семенов Александр Сергеевич (AlexSemenov). МФТИ. Первое решение: Se = 70,31%, Sp = 29,03%, Sum = 99,34%. Лучшее решение: Se = 39,06%, Sp = 75,81%, Sum = 114,87%.

10. Татараидзе Александр Бидзинович (leksotat). МГТУ имени Н.Э. Баумана. Первое решение: Se = 79,69%, Sp = 12,37%, Sum = 92,06%. Лучшее решение: Se = 42,19%, Sp = 72,58%, Sum = 114,77%.

Победители соревнования получат вознаграждение: 300 тыс. рублей за первое место, 150 тыс. за второе, и 100 тыс. — за третье.

Выборка конкурса не так велика, как хотелось бы. Обучающая выборка содержит 100 уникальных маркированных наблюдений 50 курящих и 50 некурящих людей, а контрольная — 250. Однако даже этих данных должно быть достаточно для получения ответа на главный вопрос о возможности выявления с помощью ЭКГ признаков различных заболеваний.

И лучшие результаты представленных конкурсных алгоритмов позволяют надеяться на то, что он будет положительным.

Рейтинг участников доступен по ссылке ^[6]. Следите за ходом соревнования!

Автор: alinatestova

Источник ^[1]