UC Berkeley-forskere opdager nyt signal i rutine-EKG med AI – redder måske tusindvis af liv

AI-gennembrud: Nyt signal i rutine-EKG forudsiger pludselig hjertedød

Forskere fra UC Berkeley, ledet af lektor Ziad Obermeyer, offentliggjorde den 24. juni 2026 i tidsskriftet Nature en undersøgelse, der viser, at en dybdelæringsmodel trænet på over 440.000 elektrokardiogrammer (EKG) har opdaget et hidtil ukendt elektrisk signal i rutinemæssige hjertescanninger. Signalet forudsiger risikoen for pludselig hjertedød langt bedre end de nuværende kliniske standarder .

Det hidtil ukendte signal

AI-modellen identificerede subtile bølgeformmønstre i EKG'er – spikes og elektriske strømme fra hjertet – som hverken læger eller standardtest kan opfange . Disse mønstre hænger sammen med, at hjertets elektriske system begynder at fungere dårligt, før et hjertestop indtræffer. Den præcise fysiologiske mekanisme er endnu ikke forstået, men AI'en ser ud til at have fokuseret på en egenskab relateret til, at hjertet pludselig og dødeligt svigter .

Træning og validering

Teamet trænede en dybdelæringsmodel ved hjælp af mere end 440.000 EKG'er fra Sverige, koblet til dødsattester. Modellen blev fodret med scanninger fra raske personer, risikopatienter og dem, der senere døde af pludselig hjertedød, indtil den lærte at genkende de bølgeformmønstre, der forudsiger udfaldet . Efterfølgende blev modellen valideret på tusindvis af yderligere patientfiler fra både USA (San Diego-området) og Taiwan (Taipei) . En artikel i Nature bekræfter, at modellen blev udviklet ved hjælp af omfattende EKG-data og dødelighedsregistre .

Præstation i risikodetektion

AI-systemet identificerer en højrisikogruppe med en årlig rate for pludselig hjertedød på 7 %, sammenlignet med standardtest (der måler, hvor meget blod hjertet pumper per slag), som kun identificerer en højrisikogruppe med en årlig rate på 4,6 % . Modellen udpegede en større pulje af højrisikopatienter og forudsagde bedre, hvem der ville lide af pludselig hjertedød – forskelle, der oversættes til tusindvis af patienter årligt, som i dag fremstår lavrisiko ved konventionelle målinger .

Hvorfor påvisning har været så vanskelig

Pludseligt hjertestop dræber mere end 300.000 mennesker i USA hvert år og opstår, når hjertets elektriske system pludselig holder op med at fungere uden varsel . Obermeyer påpeger, at der findes en effektiv kur – implanterbare defibrillatorer, der chokerer hjertet tilbage i rytme – men lægerne kan ikke finde ud af, hvem der har brug for en, før det er for sent . Kerne-problemet er, at mennesker dør så brat, at det er næsten umuligt at vide, hvad der foregik inde i hjertet på forhånd; obduktioner afslører strukturelle detaljer, men ikke den elektriske funktion umiddelbart før døden .

Næste skridt

Forskerne planlægger at implementere algoritmen i sundhedssystemer for at hjælpe læger med bedre at identificere, hvem der har brug for en intern defibrillator . Undersøgelsen åbner også døren for ny forskning i den underliggende fysiologiske mekanisme bag elektriske fejlfunktioner i hjertet. Obermeyer udtalte, at målet er at "ikke bare træffe bedre beslutninger, men også begynde at forstå, hvad der faktisk foregår med disse patienter, før deres hjerte stopper" . Fordi EKG'er er rutinemæssige, billige og tilgængelige på medicinske centre over hele verden, kan værktøjet skaleres bredt for at redde liv .