Изменения диагностической точности, согласованности классификации и клинической уверенности после обучения электрокардиографии с поддержкой искусственного интеллекта в больницах IV и V уровня округа Какамега, Кения
Abstract
Введение. Искусственный интеллект стал инструментом, существенно меняющим работу здравоохранения: модели на основе машинного и глубокого обучения позволяют быстро анализировать большие объёмы электрокардиографических данных и выявлять нарушения сердечного ритма и проводимости, включая атриовентрикулярные блокады.
Материалы и методы. Исследование выполнено в Kakamega County Teaching and Referral Hospital и медицинских учреждениях IV уровня Mumias округа Какамега, которые ведут пациентов кардиологического профиля и располагают инфраструктурой для электрокардиографии. Использован квазиэкспериментальный дизайн со смешанным сбором данных.
Результаты. Средний балл знаний вырос с 26,41±16,62 до вмешательства до 58,83±13,20 после него, прирост составил 32,42 балла (t(127)=29,87; p<0,001). Средний балл практических навыков вырос с 17,04±13,87 до 50,60±12,84, прирост 33,57 балла (t(127)=29,43; p<0,001).
Заключение. Рост показателей знаний и практических навыков свидетельствует о высокой эффективности обучения с поддержкой искусственного интеллекта в части распознавания и классификации атриовентрикулярных блокад первой, второй и третьей степени.

