Forskere ved UC Berkeley har publisert en studie i Nature som viser at en dyplæringsmodell oppdaget et tidligere ukjent elektrisk signal i EKG. Signalet består av subtile bølgeformmønstre som mennesker ikke kan se – og som kan varsle om plutselig hjertestans.
Research answer

Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What previously unrecognized signal did UC Berkeley researchers discover in routine electrocardio. Article summary: ## Key Findings from the UC Berkeley AI Sudden Cardiac Death Study. Topic tags: general, government, education, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
Hvert år dør over 300 000 mennesker i USA alene av plutselig hjertestans – når hjertets elektriske system plutselig slutter å fungere uten forvarsel . Nå har forskere ved UC Berkeley, ledet av førsteamanuensis Ziad Obermeyer, publisert en studie i Nature som viser at kunstig intelligens (KI) kan avsløre et skjult signal i vanlige EKG-undersøkelser. Signalet forutsier risikoen langt bedre enn noen annen metode i dag
.
KI-modellen oppdaget svake bølgeformmønstre i EKG – elektriske strømmer som hjertet produserer – som menneskelige lesere og standard kliniske tester ikke fanger opp . Mønstrene henger sammen med at hjertets elektriske system begynner å svikte før et hjertestans. Forskergruppen vet ennå ikke nøyaktig hva signalet betyr fysiologisk, men KI-en ser ut til å ha funnet noe som kan forutsi at hjertet plutselig og dødelig stopper
.
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
.
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
.
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
.
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
.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Forskere ved UC Berkeley har publisert en studie i Nature som viser at en dyplæringsmodell oppdaget et tidligere ukjent elektrisk signal i EKG.
Forskere ved UC Berkeley har publisert en studie i Nature som viser at en dyplæringsmodell oppdaget et tidligere ukjent elektrisk signal i EKG. Signalet består av subtile bølgeformmønstre som mennesker ikke kan se – og som kan varsle om plutselig hjertestans.
Modellen ble trent på over 440 000 EKG fra Sverige, og deretter validert på pasientdata fra San Diego og Taipei.