Zespół badaczy zaprezentował StenCE — system do wstępnego szkolenia modeli, które potrafiące wykrywać zwężenia tętnic wieńcowych na podstawie zwykłych zapisów ECG. Dotychczas ECG nie były uważane za narzędzie do stratyfikacji ryzyka stenoz, ponieważ nie zidentyfikowano w nich specyficznych, wiarygodnych sygnałów stenosis. Tymczasem angiografia rentgenowska — standard złoty diagnostyki — jest procedurą inwazyjną, czasochłonną i drogą, dlatego wykonuje się ją tylko u pacjentów z wysokim podejrzeniem choroby.
StenCE wykorzystuje podejście kontrastowego uczenia wielomodalnego (cross-modal contrastive learning), łącząc informacje zarówno z ECG, jak i z angiogramów podczas treningu. To pozwala modelom nauczyć się cech wspólnych dla obu modalności i odkryć wcześniej nieznane wskaźniki stenoz w zapisach EKG. Metoda wykazała konsystentne poprawy wydajności na różnych progach nasilenia stenoz i w dodatkowych zadaniach klasyfikacji chorób z ECG, niezależnie od użytego enkodera.
Signifikacja tego rozwiązania jest duża — mogłoby ono umożliwić wczesną diagnozę nawet u pacjentów bezobjawowych, dla których rutynowo wykonywane są ECG. To szczególnie ważne dla tych, u których zwężenie mogłoby pozostać niewykryte, narażając ich na ryzyko zawału serca. Kod źródłowy projektu jest dostępny publicznie, co otwiera drogę do dalszych badań i praktycznego wdrożenia.