Trening og validering

Forskerteamet trente en dyplæringsmodell på mer enn 440 000 EKG fra svenske pasienter, koblet til dødsårsaksregisteret. Maskinen fikk se EKG fra friske, syke og pasienter som senere døde av plutselig hjertestans, helt til den lærte å gjenkjenne mønstrene . Deretter validerte de modellen på tusenvis av pasientfiler fra San Diego i USA og Taipei i Taiwan . En kommentarartikkel i Nature bekrefter at modellen ble utviklet ved hjelp av omfattende EKG-data og dødelighetsregistre .

Mye bedre risikodeteksjon

KI-en identifiserer en høyrisikogruppe med en årlig rate på 7 % for plutselig hjertedød, mens de beste kliniske testene i dag – som måler hvor mye blod hjertet pumper ut per slag – bare fanger opp en gruppe med 4,6 % årlig rate . Forskjellen høres liten ut, men det betyr at tusenvis av pasienter som i dag framstår som lavrisiko, faktisk har en betydelig høyere risiko enn antatt .

Hvorfor er det så vanskelig å oppdage?

Problemet er at plutselig hjertestans skjer så brått at det nesten er umulig å vite hva som skjedde inne i hjertet rett før . Obduksjoner viser strukturelle forhold, men ikke den elektriske funksjonen like før døden. Samtidig finnes det en effektiv kur: implanterbare hjertestartere (ICDer) som sjokkerer hjertet tilbake i rytme . Utfordringen er at legene ikke vet hvem som trenger en slik innretning før det er for sent .

Veien videre

Forskerne planlegger nå å ta i bruk algoritmen i helsevesenet, slik at leger lettere kan identifisere hvem som bør få en ICD . Studiet gir også mulighet for ny forskning på den underliggende fysiologiske mekanismen bak hjertets elektriske feil. Obermeyer sier målet er å “ikke bare ta bedre beslutninger, men også begynne å forstå hva som faktisk skjer med disse pasientene før hjertet stopper” . Fordi EKG er rutineundersøkelser som er billige og tilgjengelige over hele verden, kan verktøyet tas i bruk i stor skala for å redde liv .

Trening og validering

Forskerteamet trente en dyplæringsmodell på mer enn 440 000 EKG fra svenske pasienter, koblet til dødsårsaksregisteret. Maskinen fikk se EKG fra friske, syke og pasienter som senere døde av plutselig hjertestans, helt til den lærte å gjenkjenne mønstrene . Deretter validerte de modellen på tusenvis av pasientfiler fra San Diego i USA og Taipei i Taiwan . En kommentarartikkel i Nature bekrefter at modellen ble utviklet ved hjelp av omfattende EKG-data og dødelighetsregistre .

Mye bedre risikodeteksjon

KI-en identifiserer en høyrisikogruppe med en årlig rate på 7 % for plutselig hjertedød, mens de beste kliniske testene i dag – som måler hvor mye blod hjertet pumper ut per slag – bare fanger opp en gruppe med 4,6 % årlig rate . Forskjellen høres liten ut, men det betyr at tusenvis av pasienter som i dag framstår som lavrisiko, faktisk har en betydelig høyere risiko enn antatt .

Hvorfor er det så vanskelig å oppdage?

Problemet er at plutselig hjertestans skjer så brått at det nesten er umulig å vite hva som skjedde inne i hjertet rett før . Obduksjoner viser strukturelle forhold, men ikke den elektriske funksjonen like før døden. Samtidig finnes det en effektiv kur: implanterbare hjertestartere (ICDer) som sjokkerer hjertet tilbake i rytme . Utfordringen er at legene ikke vet hvem som trenger en slik innretning før det er for sent .

Veien videre

Forskerne planlegger nå å ta i bruk algoritmen i helsevesenet, slik at leger lettere kan identifisere hvem som bør få en ICD . Studiet gir også mulighet for ny forskning på den underliggende fysiologiske mekanismen bak hjertets elektriske feil. Obermeyer sier målet er å “ikke bare ta bedre beslutninger, men også begynne å forstå hva som faktisk skjer med disse pasientene før hjertet stopper” . Fordi EKG er rutineundersøkelser som er billige og tilgjengelige over hele verden, kan verktøyet tas i bruk i stor skala for å redde liv .