Training en validatie van het model

Het team trainde hun deeplearningmodel met ruim 440.000 Zweedse ECG’s, die zij koppelden aan gegevens uit overlijdensaktes. Het model kreeg scans van gezonde mensen, van risicopatiënten, en van mensen die later daadwerkelijk overleden aan een plotselinge hartstilstand. Het algoritme leerde zo de golfvormpatronen te herkennen die het meest voorspellend zijn voor die uitkomst .

Vervolgens valideerden ze het model op duizenden extra patiëntendossiers uit de regio San Diego (Verenigde Staten) en uit Taipei (Taiwan) . Een begeleidend artikel in Nature bevestigt dat het model is ontwikkeld met behulp van uitgebreide ECG-data en mortaliteitsregistraties .

Hoeveel beter is de AI dan de huidige testen?

Het AI-systeem identificeert een hoogrisicogroep met een jaarlijkse kans op plotselinge hartdood van 7%. Ter vergelijking: de huidige standaardtesten – die meten hoeveel bloed het hart per slag wegpompt (de ejectiefractie) – halen bij een hoogrisicogroep slechts 4,6% per jaar . Het model merkt een grotere groep mensen op als hoogrisico, en voorspelt beter wie daadwerkelijk een fatale hartstilstand zal krijgen. Die verschillen vertalen zich naar duizenden patiënten per jaar die met de huidige methode ten onrechte als laagrisico worden beschouwd .

Waarom is dit zo'n moeilijk probleem?

Een plotselinge hartstilstand kost in de Verenigde Staten alleen al jaarlijks meer dan 300.000 levens. De oorzaak is dat het elektrische systeem van het hart plotseling stopt met werken, zonder enig voorafgaand signaal . Obermeyer wijst erop dat er een effectieve oplossing bestaat – implanteerbare defibrillatoren die het hart met een schok weer in het juiste ritme brengen – maar dat artsen nu niet kunnen bepalen wie er vóórdat het te laat is zo’n apparaat nodig heeft . Het kernprobleem: mensen overlijden zo abrupt dat het bijna onmogelijk is om te weten wat er vlak daarvoor in het hart gebeurde. Obducties tonen wel structurele afwijkingen, maar niet de elektrische werking in de momenten direct voor de dood .

Wat zijn de volgende stappen?

De onderzoekers willen het algoritme nu in de praktijk brengen in ziekenhuizen, zodat artsen beter kunnen bepalen wie een inwendige defibrillator nodig heeft . De studie opent ook de deur naar nieuw onderzoek naar het onderliggende fysiologische mechanisme achter de elektrische storingen in het hart. Obermeyer zegt dat het doel is om "niet alleen betere beslissingen te nemen, maar ook te gaan begrijpen wat er werkelijk aan de hand is met deze patiënten voordat hun hart stopt" . Omdat ECG’s routinematig, goedkoop en wereldwijd in elk ziekenhuis beschikbaar zijn, kan de tool op grote schaal worden ingezet om levens te redden .

Training en validatie van het model

Het team trainde hun deeplearningmodel met ruim 440.000 Zweedse ECG’s, die zij koppelden aan gegevens uit overlijdensaktes. Het model kreeg scans van gezonde mensen, van risicopatiënten, en van mensen die later daadwerkelijk overleden aan een plotselinge hartstilstand. Het algoritme leerde zo de golfvormpatronen te herkennen die het meest voorspellend zijn voor die uitkomst .

Vervolgens valideerden ze het model op duizenden extra patiëntendossiers uit de regio San Diego (Verenigde Staten) en uit Taipei (Taiwan) . Een begeleidend artikel in Nature bevestigt dat het model is ontwikkeld met behulp van uitgebreide ECG-data en mortaliteitsregistraties .

Hoeveel beter is de AI dan de huidige testen?

Het AI-systeem identificeert een hoogrisicogroep met een jaarlijkse kans op plotselinge hartdood van 7%. Ter vergelijking: de huidige standaardtesten – die meten hoeveel bloed het hart per slag wegpompt (de ejectiefractie) – halen bij een hoogrisicogroep slechts 4,6% per jaar . Het model merkt een grotere groep mensen op als hoogrisico, en voorspelt beter wie daadwerkelijk een fatale hartstilstand zal krijgen. Die verschillen vertalen zich naar duizenden patiënten per jaar die met de huidige methode ten onrechte als laagrisico worden beschouwd .

Waarom is dit zo'n moeilijk probleem?

Een plotselinge hartstilstand kost in de Verenigde Staten alleen al jaarlijks meer dan 300.000 levens. De oorzaak is dat het elektrische systeem van het hart plotseling stopt met werken, zonder enig voorafgaand signaal . Obermeyer wijst erop dat er een effectieve oplossing bestaat – implanteerbare defibrillatoren die het hart met een schok weer in het juiste ritme brengen – maar dat artsen nu niet kunnen bepalen wie er vóórdat het te laat is zo’n apparaat nodig heeft . Het kernprobleem: mensen overlijden zo abrupt dat het bijna onmogelijk is om te weten wat er vlak daarvoor in het hart gebeurde. Obducties tonen wel structurele afwijkingen, maar niet de elektrische werking in de momenten direct voor de dood .

Wat zijn de volgende stappen?

De onderzoekers willen het algoritme nu in de praktijk brengen in ziekenhuizen, zodat artsen beter kunnen bepalen wie een inwendige defibrillator nodig heeft . De studie opent ook de deur naar nieuw onderzoek naar het onderliggende fysiologische mechanisme achter de elektrische storingen in het hart. Obermeyer zegt dat het doel is om "niet alleen betere beslissingen te nemen, maar ook te gaan begrijpen wat er werkelijk aan de hand is met deze patiënten voordat hun hart stopt" . Omdat ECG’s routinematig, goedkoop en wereldwijd in elk ziekenhuis beschikbaar zijn, kan de tool op grote schaal worden ingezet om levens te redden .