AI oppdager nytt EKG-signal som forutsier plutselig hjertestans bedre enn standardtester

Slik ble modellen trent og validert

Forskningsteamet tok en grundig tilnærming til modellutvikling. De koblet over 440 000 EKG fra svenske helsejournaler med dødsattester, slik at KI-en kunne lære hvilke bølgemønstre som gikk forut for plutselig hjertestans . Den dype læringsarkitekturen analyserte hele 12-avledningssignalet, ikke bare oppsummerende målinger – noe som gjorde at den kunne finne subtile, ikke-lineære mønstre som er usynlige for menneskelige lesere.

For å sikre at funnene ikke var spesifikke for Sverige, ble modellen eksternt validert på tusenvis av uavhengige pasientjournaler fra USA og Taiwan. Prediksjonene holdt på tvers av ulike befolkninger og helsevesen, noe som gir sterke bevis for generaliserbarhet .

Hvorfor det har vært så vanskelig å oppdage plutselig hjertestans

Plutselig hjertestans er grunnleggende forskjellig fra et hjerteinfarkt. Et hjerteinfarkt innebærer en blokkert arterie som sulter hjertemuskelen for oksygen; plutselig hjertestans er en elektrisk feilfunksjon – hjertets elektriske strøm slutter å fungere uten forvarsel .

Folk dør så raskt at det er nesten umulig å studere hva hjertet gjorde øyeblikkene før. Obduksjoner kan vise strukturelle problemer (blokkerte kar, arrvev), men som forskerne påpekte, «den faktiske funksjonen før døden forblir noe av en svart boks» .

Dagens gullstandardrisikotest – måling av venstre ventrikkels utdrivningsfraksjon (LVEF), prosentandelen blod hjertet pumper per slag – er et sløvt verktøy. Mange som dør av plutselig hjertestans har normal LVEF, og mange med lav LVEF opplever aldri et hjertestans . Standardtilnærmingen overser de fleste som trenger hjelp.

Praktiske resultater sammenlignet med standardtester

KI-en identifiserte en høyrisikogruppe som utgjorde omtrent 2,2 % av den screenede befolkningen. Den årlige raten for plutselig hjertestans på 7,0 % i denne gruppen er sammenlignbar med eller bedre enn risikogrensen som brukes i kliniske forsøk for implanterbare defibrillatorer (ICD) . Dette betyr at mange pasienter som ville blitt oversett av dagens retningslinjer, kan være kandidater for livreddende enheter.

Hva skjer videre

Forskningen peker på tre klare neste steg:

1. Klinisk bruk for avgjørelser om defibrillator: EKG er billige, ikke-invasive og tilgjengelige i nesten alle klinikker verden over. KI-modellen kan hjelpe leger med å avgjøre hvem som trenger en implanterbar hjertestarter (ICD). Som Obermeyer sa: «Hvis du visste at du var en av dem som kom til å falle død om, ville du gått til en kardiolog og fått implantert en defibrillator. Problemet er at legene ikke kan finne ut hvem som trenger en før det er for sent» .

2. Ny fysiologisk forståelse: Den nye bølgeformen KI-en oppdaget – uten å bli fortalt hva den skulle se etter – åpner en ny forskningsretning. Å forstå den nøyaktige elektriske mekanismen bak den slørede R-bølgen i avledning aVL kan avsløre hvorfor noen hjerter plutselig svikter. «Vi kan ikke bare ta bedre beslutninger, men også begynne å forstå hva som faktisk skjer med disse pasientene før hjertet stopper,» sa Obermeyer .

3. Prospektive forsøk før utbredt bruk: Selv om den eksterne valideringen på tvers av tre land er sterke bevis, må modellen testes i prospektive kliniske forsøk før den tas i bruk i rutinemessig klinisk praksis. Forskningsteamets arbeid demonstrerer den typen grundig, tverrpopulasjonsvalidering som gjør dette funnet spesielt lovende .