AI ontdekt subtiel signaal op routine ECG dat plotselinge hartstilstand voorspelt

Hoe het model werd getraind en gevalideerd

Het onderzoeksteam pakte de modelontwikkeling rigoureus aan. Ze koppelden meer dan 440.000 ECG's uit Zweedse gezondheidsdossiers aan overlijdensakten, zodat de AI kon leren welke ECG-patronen voorafgingen aan plotse hartdood . De deep learning-architectuur analyseerde het volledige 12-afleidingen signaal, niet alleen samenvattende metingen — waardoor het subtiele, niet-lineaire patronen kon vinden die onzichtbaar zijn voor menselijke beoordelaars.

Om te controleren of de bevindingen niet specifiek waren voor Zweden, werd het model extern gevalideerd op duizenden onafhankelijke patiëntendossiers uit de Verenigde Staten en Taiwan. De voorspellingen bleken consistent in verschillende bevolkingsgroepen en gezondheidszorgsystemen, wat sterk bewijs levert voor de generaliseerbaarheid .

Waarom het opsporen van plotse hartdood zo moeilijk is geweest

Een plotse hartstilstand is fundamenteel anders dan een hartaanval. Bij een hartaanval raakt een slagader verstopt waardoor de hartspier zuurstof tekort komt; een plotse hartstilstand is een elektrische storing — de elektrische stroom van het hart valt zonder waarschuwing uit .

Mensen overlijden zo snel dat het bijna onmogelijk is om te bestuderen wat het hart deed in de momenten ervoor. Autopsies kunnen structurele problemen laten zien (verstopte vaten, littekenweefsel), maar zoals de onderzoekers opmerkten: ‘het daadwerkelijke functioneren vóór de dood blijft een black box’ .

De huidige gouden standaard voor risicobepaling — het meten van de linkerventrikelejectiefractie (LVEF), het percentage bloed dat het hart per slag wegpompt — is een grof instrument. Veel mensen die overlijden aan een plotse hartstilstand hebben een normale LVEF, en veel mensen met een lage LVEF krijgen nooit een stilstand . De standaardaanpak mist de meeste mensen die hulp nodig hebben.

Praktische resultaten vergeleken met standaardtesten

De AI identificeerde een hoogrisicogroep die ongeveer 2,2% van de gescreende bevolking omvat. Het jaarlijkse plotse-hartdoodpercentage van 7,0% in deze groep is vergelijkbaar met of beter dan de risicodrempel die in klinische onderzoeken wordt gebruikt voor implanteerbare defibrillatoren (ICD's) . Dit betekent dat veel patiënten die door de huidige richtlijnen over het hoofd worden gezien, in aanmerking zouden kunnen komen voor levensreddende apparaten.

Wat zijn de volgende stappen?

Het onderzoek wijst op drie duidelijke vervolgstappen:

1. Klinische inzet voor defibrillatorbeslissingen: ECG's zijn goedkoop, niet-invasief en in bijna elke kliniek wereldwijd beschikbaar. Het AI-model zou artsen kunnen helpen beslissen wie een implanteerbare cardioverter-defibrillator (ICD) nodig heeft. Zoals Obermeyer het verwoordde: ‘Als je wist dat je een van de mensen was die plotseling dood zou gaan, zou je naar een cardioloog gaan en een defibrillator laten implanteren. Het probleem is dat artsen niet kunnen achterhalen wie er een nodig heeft voordat het te laat is’ .

2. Nieuw fysiologisch inzicht: De nieuwe golfvorm die de AI ontdekte — zonder dat haar werd verteld waarnaar ze moest zoeken — opent een nieuwe onderzoeksrichting. Het begrijpen van het exacte elektrische mechanisme achter de vervloeide R-top in afleiding aVL kan onthullen waarom sommige harten plotseling haperen. ‘We kunnen niet alleen betere beslissingen nemen, maar ook beginnen te begrijpen wat er werkelijk aan de hand is met deze patiënten voordat hun hart stopt’, zei Obermeyer .

3. Prospectieve onderzoeken voor brede toepassing: Hoewel de externe validatie in drie landen sterk bewijs is, moet het model worden getest in prospectieve klinische onderzoeken voordat het in de dagelijkse praktijk wordt ingezet. Het werk van het onderzoeksteam laat het soort rigoureuze, populatieoverschrijdende validatie zien dat deze bevinding bijzonder veelbelovend maakt .