Naukowcy z arXiv zaprezentowali system cAPM do ciągłego wspomagania procedury pace-mappingu przy leczeniu tachykardii komorowej. Pace-mapping to kliniczny proces, w którym lekarze stymulują różne punkty w komorach serca i interpretują wynikowe elektrokardiogramy, aby zidentyfikować miejsce interwencji chirurgicznej. Dotychczasowe rozwiązania AI wymagały przetreniania dla każdego konkretnego pacjenta i arytmii, bez możliwości przenoszenia wiedzy między przypadkami.
System cAPM rozwiązuje ten problem poprzez trzy kluczowe komponenty. Pierwszym jest task-agnostic surrogatowa sieć neuronowa, która uczy się mapować pacing sites na morfologię 12-odprowadzeniowego EKG. Drugi element to strategia active learning, która automatycznie wybiera najbardziej informacyjne punkty stymulacji dla danego celu. Trzecim filarem jest continual learning — podejście umożliwiające sekwencyjne przetwarzanie danych z kolejnych pacjentów bez zapominania poprzednio zdobytej wiedzy.
Ta architektura ma praktyczne znaczenie dla kardiologów — zmniejsza liczbę niezbędnych miejsc pacing, skraca czas zabiegu i poprawia jego efektywność. Wyniki testowania na symulowanym stanowisku pokazują potencjał systemu, choć dalsze badania na rzeczywistych danych klinicznych będą niezbędne do szerokiego wdrożenia w praktyce medycznej.