Early Prediction of Cardiac Diseases from Dynamic RR Interval Correlations

Sydän- ja verisuonitaudit ovat yleisin kuolinsyy maailmanlaajuisesti, minkä takia parempien menetelmien kehittäminen sairauksien varhaiseen tunnistamiseen ja riskinarviointiin on erittäin tärkeää. Tässä väitöskirjassa tutkitaan fysiikassa kehitettyjä aikasarja-analyysimenetelmiä. Erityisesti sovelletaan trendit poistavaa fluktuaatioanalyysia (DFA) ja sen dynaamisia laajennuksia sydämen sykevälivaihtelun (HRV) tarkasteluun sydänsähkökäyrästä (EKG). Analysoimalla sydämen lyöntivälejä (RR-väli) eri sydänsairauksissa, kuten pitkä QT- oireyhtymässä, eteisvärinässä, sydämen vajaatoiminnassa, sydäninfarktissa ja äkillisessä sydänkuolemassa, työssä tunnistetaan tilannekohtaisia piirteitä RR-välien korrelaatioissa. Tutkimus yhdistää avoimia ja kliinisiä aineistoja kehittyneisiin signaalinkäsittely- ja koneoppimismenetelmiin, joiden avulla pitkän aikavalin EKG-aineistosta voidaan poimia kullekin sairaudelle merkityksellisiä piirteitä. Tulokset osoittavat, etta DFA-pohjaiset suureet päihittävät tavanomaiset HRV­-suureet terveiden ja sairaiden tapausten erottelussa. Erityisesti levossa mi­tattu lyhyen aikavalin DFA osoittautuu vahvaksi sydänperäisen äkkikuoleman ennustajaksi riippumatta perinteisistä riskitekijöistä kuten iästä, sydämen toiminnasta tai kliinisistä riskipisteytyksistä. Nämä havainnot korostavat DFA:n potentiaalia yksinkertaisena, tulkittavana ja ei-invasiivisena työkaluna sydänsairauksien varhaisessa seulonnassa. Menetelmä soveltuu hyvin integroitavaksi puettaviin laitteisiin ja terveyden etäseurantajärjestelmiin. Menetelmä vaatii vielä lisävalidointia eri väestöryhmissä, mutta tämä työ luo vahvan perustan fysiikkapohjaisen HRV-analyysin käyttöön sekä kliinisessä että kuluttajille suunnatussa terveysteknologiassa.