Vatrogasci redovno rizikuju svoje živote u opasnim situacijama, ali većina smrtnih slučajeva na dužnosti nije direktno uzrokovana požarom ili udisanjem dima. Umesto toga, otprilike 40% smrtnih slučajeva na dužnosti dolazi od iznenadne srčane smrti.
Sada su istraživači sa Nacionalnog instituta za standarde i tehnologiju (NIST) i njihove kolege koristili oblik veštačke inteligencije poznat kao mašinsko učenje da precizno identifikuju abnormalne srčane ritmove kod vatrogasaca. Istraživači se nadaju da će njihov rad na kraju dovesti do prenosnog srčanog monitora koji bi vatrogasci mogli da nose kako bi uhvatili rane znake upozorenja o srčanim problemima i podstakli ih da potraže medicinsku pomoć pre nego što bude prekasno.
Tim, koji uključuje istraživače sa NIST-a, Univerziteta u Ročesteru i Gugla, objavio je svoje rezultate u časopisu Fire Safeti Journal.
Iznenadna srčana smrt odnela je živote 36 vatrogasaca na dužnosti 2022. godine, prema Nacionalnoj asocijaciji za zaštitu od požara. Iznenadna srčana smrt se javlja kada nepravilan srčani ritam uzrokuje da srce prestane da pumpa krv, najčešće zbog srčanog udara. Iznenadni srčani događaji ubijaju dežurne vatrogasce dvostruko više od policajaca i četiri puta više od ostalih hitnih službi.
„Iz godine u godinu, iznenadni srčani događaji su daleko ubica broj jedan vatrogasaca“, rekao je istraživač NIST-a Kris Braun. „Srčani događaji takođe uzrokuju povrede koje završavaju karijeru i dugotrajne invalidnosti.“
Vatrogasci rade u izuzetno teškim okruženjima, noseći teške predmete, penju se uz stepenice i podnose ekstremne temperature sa ograničenom sposobnošću da se ohlade. I dok mogu da dožive značajnu nelagodnost, izveštaji su pokazali da vatrogasci često pokušavaju da prođu kroz ove situacije ne shvatajući da mogu biti u opasnosti od iznenadne srčane smrti.
Da bi se pozabavili ovim problemom, istraživači NIST-a stupili su u kontakt sa kolegama sa škole medicinskih sestara Univerziteta u Ročesteru. Pre deceniju, istraživač iz Ročestera Meri Keri i njene kolege prikupile su 24-časovne podatke elektrokardiograma (EKG) od svakog od 112 vatrogasaca, koji su imali elektrode pričvršćene na grudima. EKG podaci obuhvataju dežurstva od 16 sati i dežurstva po osam sati tokom kojih su vatrogasci obavljali svoje svakodnevne aktivnosti kao što su odgovaranje na požar i lekarske pozive, vežbanje, jelo, odmaranje i spavanje.
„Podaci o vatrogascima koje smo prikupili su tako jedinstveni“, rekao je koautor Ročestera Dilon Džikovič. „Posedovanje robusnih podataka je od suštinskog značaja za napredovanje našeg rada i zaštitu vatrogasaca.
Istraživači su zatim koristili mašinsko učenje i Rochester skup podataka da bi izgradili ono što nazivaju modelom praćenja zdravlja srca (H2M). Oni su trenirali H2M sa 12-sekundnim segmentima velikog dela EKG podataka. Pojedinačni otkucaji srca u EKG-u su klasifikovani kao normalni otkucaji ili abnormalni otkucaji koji ukazuju na nepravilne srčane ritmove kao što je atrijalna fibrilacija ili ventrikularna tahikardija.
„Model je dizajniran da efikasno uči EKG obrasce iz normalnih i abnormalnih otkucaja“, rekao je gostujući istraživač NIST-a Jiajia Li.
Kada je H2M obučen i validiran, analizirao je EKG podatke vatrogasaca iz skupa podataka Rochestera koje ranije nije video. Kada je predstavljeno sa približno 6.000 abnormalnih EKG uzoraka, H2M ih je tačno identifikovao sa tačnošću od oko 97%. Kao proveru, H2M je takođe obučen koristeći skupove EKG podataka od ne-vatrogasaca. Kada je koristio ove ne-vatrogasne podatke, H2M je imao stopu greške od oko 40% u identifikaciji srčanih događaja u podacima o vatrogascima.
„Korišćenje pravog skupa podataka za obuku AI modela bilo je kritično“, rekao je istraživač NIST-a Vai Čeong Tam.
U budućnosti, istraživači predviđaju da bi ovaj model mogao biti ugrađen u prenosive monitore srca koje bi vatrogasci mogli da nose na dužnosti kako bi ih upozorili na srčane nepravilnosti u realnom vremenu. Takav pomoćnik veštačke inteligencije mogao bi da bude sledeća najbolja stvar za kardiologa koji prati posadu koja se bori protiv požara.
„Ova tehnologija može spasiti živote“, rekao je Tam, dodajući da bi se ovaj pristup mogao proširiti kako bi pomogao drugim grupama ako se AI obuči sa odgovarajućim skupovima EKG podataka. „To bi moglo biti od koristi ne samo vatrogascima već i drugim hitnim službama i dodatnoj populaciji u široj javnosti.“
