Tekoäly löysi uuden EKG-signaalin, joka ennustaa äkkikuoleman paremmin kuin nykytestit

Sydänperäinen äkkikuolema tappaa vuosittain satojatuhansia ihmisiä maailmanlaajusti. Sydämen sähköinen toiminta pysähtyy äkillisesti, usein ilman varoitusta, ja monella uhreista ei ole koskaan todettu sydänongelmia. Lääkäreillä on ollut pitkään puutetta luotettavasta tavasta tunnistaa riskipotilaat. Nyt UC Berkeleyn tutkijat ovat tekoälyn avulla paljastaneet piilevän signaalin rutiini-EKG:istä, joka voi muuttaa tilanteen.

Mitä tutkijat löysivät

Ziad Obermeyerin johdolla UC Berkeleyn kansaterveystieteen laitoksella toimiva ryhmä koulutti syvän konvoluutiohermoverkon yli 440 000 ruotsalaisella 12-kytkentäisellä EKG:llä, jotka oli yhdistetty kuolintodistuksiin . Tekoäly oppi tunnistamaan sydämen sähköisestä aktiivisuudesta kuvioita, jotka jäävät ihmissilmältä ja kaikilta kliinisiltä rutiini-testeiltä huomaamatta. Se löysi aiemmin tuntemattoman aaltomuotosignaalin: R-aallon "madaltuneen" loppuosan johdossa aVL, pienen muutoksen, jota ei ollut aiemmin kuvattu lääketieteellisessä kirjallisuudessa .

Malli ei löytänyt vain uutta merkkiainetta – se löysi sellaisen, jolla on merkitystä. Sen tunnistamassa korkean riskin ryhmässä vuotuinen sydänperäisen äkkikuoleman määrä oli 7,0 %, kun se standardin vasemman kammion ejektiofraktio (LVEF) -testin korkeimman riskin potilailla oli 4,6 % .

Miten malli koulutettiin ja validoitiin

Tutkimusryhmä lähestyi mallin kehitystä perusteellisesti. He yhdistivät yli 440 000 EKG:tä ruotsalaisista terveydenhuollon rekistereistä kuolintodistustietoihin, jotta tekoäly oppisi, mitkä aaltomuodot edeltävät sydänperäistä äkkikuolemaa . Syväoppimisarkkitehtuuri analysoi kaikkien 12 kytkennän signaalin – ei vain tiivistettyjä mittauksia – jolloin se pystyi havaitsemaan hienovaraisia, epälineaarisia kuvioita, jotka ovat ihmisen tulkitsijoille näkymättömiä.

Varmistaakseen, etteivät tulokset koske vain Ruotsia, malli validoitiin ulkoisesti tuhansilla potilastiedoilla Yhdysvalloistaja Taiwanista. Ennusteet pitivät paikkansa eri väestöryhmissä ja terveydenhuoltojärjestelmissä, mikä tarjoaa vahvan näytön yleistettävyydestä .

Miksi sydänperäisen äkkikuoleman havaitseminen on ollut niin vaikeaa

Sydänperäinen äkkikuolema (äkillinen sydänpysähdys) on perustavanlaatuisesti erilainen kuin sydäninfarkti. Sydäninfarktissa tukkeutunut valtimo estää sydänlihaksen hapensaannin; sydänpysähdys on sähköinen toimintahäiriö – sydämen sähköinen virtaus lakkaa varoittamatta .

Ihmiset kuolevat niin nopeasti, että sydämen toiminnan tutkiminen hetkeä ennen kuolemaa on lähes mahdotonta. Ruumiinavaukset voivat paljastaa rakenteellisia ongelmia (tukkeutuneita verisuonia, arpikudosta), mutta tutkijoiden mukaan "varsinainen toiminta ennen kuolemaa on edelleen eräänlainen musta laatikko" .

Nykyinen kultastandardi riskitestille – vasemman kammion ejektiofraktion mittaaminen (LVEF), eli se prosenttiosuus verta, jonka sydän pumppaa lyöntiä kohti – on karkea työkalu. Monet sydänpysähdykseen kuolevista ihmisistä omaavat normaalin LVEF:n, ja monet alhaisesta LVEF:stä kärsivät eivät koskaan koe sydänpysähdystä . Nykyinen lähestymistapa jättää huomiotta suurimman osan avun tarpeessa olevista.

Käytännön tulokset verrattuna standarditesteihin

Mittari	Standardi LVEF-testi	Tekoälymalli (korkean riskin ryhmä)
Vuotuinen sydänperäisen äkkikuoleman määrä korkean riskin ryhmässä	4,6 %	7,0 %
Päällekkäisyys LVEF:n kanssa	—	Suurimmalla osalla tekoälyn korkean riskin potilaista oli normaali ejektiofraktio – tekoäly löysi itsenäisen riskisignaalin
Uusi aaltomuoto	Ei mitään	Madaltunut R-aallon loppu johdossa aVL, jota ei aiemmin kuvattu

Tekoäly tunnisti korkean riskin ryhmän, joka käsittää noin 2,2 % seulotusta väestöstä. Tämän ryhmän 7,0 %:n vuotuinen sydänperäisen äkkikuoleman määrä on verrattavissa tai parempi kuin kliinisissä implantoitavien defibrillaattoreiden (ICD) tutkimuksissa käytetty riskiraja . Tämä tarkoittaa, että monet nykyisten ohjeiden ulkopuolelle jäävät potilaat voisivat olla ehdokkaita hengenpelastaville lääkinnällisille laitteille.

Mitä seuraavaksi

Tutkimus viittaa kolmeen selkeään seuraavaan vaiheeseen:

1. Kliininen käyttö defibrillaattoripäätöksissä: EKG:t ovat halpoja, kajoamattomia ja saatavilla lähes kaikissa klinikoissa maailmassa. Tekoälymalli voisi auttaa lääkäreitä päättämään, kuka tarvitsee implantoitavan kardiovertteri-defibrillaattorin (ICD). Kuten Obermeyer totesi: "Jos tietäisit olevasi yksi niistä ihmisistä, jotka kuolevat sydänpysähdykseen, menisit kardiologille ja antaisit istuttaa defibrillaattorin. Ongelma on, että lääkärit eivät pysty selvittämään, kuka sitä tarvitsee ennen kuin on liian myöhäistä" .

2. Uusi fysiologinen ymmärrys: Uusi aaltomuoto, jonka tekoäly löysi – ilman että sille kerrottiin, mitä etsiä – avaa uuden tutkimussuunnan. Madaltuneen R-aallon tarkan sähköisen mekanismin ymmärtäminen johdossa aVL voi paljastaa, miksi jotkut sydämet yhtäkkiä epäonnistuvat. "Voimme paitsi tehdä parempia päätöksiä, myös alkaa ymmärtää, mitä näille potilaille todella tapahtuu ennen kuin heidän sydämensä pysähtyy", Obermeyer sanoi .

3. Prospektiiviset kliiniset tutkimukset ennen laajaa käyttöönottoa: Vaikka ulkoinen validointi kolmessa maassa on vahvaa näyttöä, malli on testattava prospektiivisissa kliinisissä tutkimuksissa ennen rutiinikäytäntöön ottamista. Tutkimusryhmän työ osoittaa sellaista perusteellista, eri väestöjä koskevaa validointia, mikä tekee tästä löydöksestä erityisen lupaavan .