System AI identyfikuje grupę wysokiego ryzyka z 7% rocznym wskaźnikiem nagłej śmierci sercowej, podczas gdy standardowe testy kliniczne (mierzące m.in. frakcję wyrzutową lewej komory) pozwalają na identyfikację grupy wysokiego ryzyka z zaledwie 4,6% rocznym wskaźnikiem . Model wskazał większą pulę pacjentów wysokiego ryzyka i lepiej przewidział, kto rzeczywiście ulegnie nagłemu zatrzymaniu krążenia – różnice te przekładają się na tysiące pacjentów rocznie, którzy obecnie wydają się niskiego ryzyka według konwencjonalnych pomiarów
.
Nagłe zatrzymanie krążenia zabija w USA ponad 300 000 osób rocznie i dochodzi do niego, gdy układ elektryczny serca nagle przestaje działać, często bez ostrzeżenia . Obermeyer podkreśla, że istnieje skuteczne leczenie – wszczepialne defibrylatory, które przywracają prawidłowy rytm serca – ale lekarze nie potrafią określić, kto ich potrzebuje, zanim będzie za późno
. Głównym problemem jest to, że ludzie umierają tak nagle, że nie sposób zbadać, co działo się w sercu tuż przed zatrzymaniem; autopsje ujawniają szczegóły strukturalne, ale nie funkcjonowanie elektryczne bezpośrednio przed zgonem
.
Naukowcy planują wdrożenie algorytmu w systemach opieki zdrowotnej, aby pomóc lekarzom lepiej identyfikować pacjentów potrzebujących wszczepialnego defibrylatora . Badanie otwiera również drzwi do nowych badań nad podstawami fizjologicznymi nieprawidłowości elektrycznych serca. Profesor Obermeyer stwierdził, że celem jest "nie tylko podejmowanie lepszych decyzji, ale także zrozumienie, co tak naprawdę dzieje się z tymi pacjentami, zanim ich serce się zatrzyma"
. Ponieważ EKG są rutynowe, tanie i dostępne w placówkach medycznych na całym świecie, narzędzie to może być szeroko skalowane i uratować wiele istnień
.