AI avslöjar dold signal i EKG som förutsäger hjärtstopp bättre än dagens metoder

Prestanda för riskdetektering

AI-systemet identifierar en högriskgrupp med en årlig risk på 7 % för plötslig hjärtdöd, jämfört med standardkliniska tester (som mäter hur mycket blod hjärtat pumpar ut per slag) som identifierar en högriskgrupp med endast en årlig risk på 4,6 % . Modellen flaggade en större högriskgrupp och förutsade bättre vem som skulle drabbas av plötslig hjärtdöd – skillnader som översätts till tusentals patienter årligen som för närvarande framstår som lågriskenliga enligt konventionella mått .

Varför detektion har varit så svår

Plötsligt hjärtstopp dödar över 300 000 människor i USA varje år och inträffar när hjärtats elektriska system plötsligt slutar fungera utan förvarning . Obermeyer påpekar att ett effektivt botemedel finns – implanterbara defibrillatorer som chockar hjärtat tillbaka i rytm – men läkarna kan inte avgöra vem som behöver en innan det är för sent . Kärnproblemet är att människor dör så abrupt att det är nästan omöjligt att veta vad som pågick inuti hjärtat innan; obduktioner avslöjar strukturella detaljer men inte den elektriska funktionen omedelbart före döden .

Nästa steg

Forskarna planerar att införa algoritmen i sjukvårdssystem för att hjälpa läkare att bättre identifiera vilka som behöver en implanterbar defibrillator . Studien öppnar också dörren för ny forskning om den underliggande fysiologiska mekanismen bakom elektriska hjärtfel. Obermeyer sa att målet är att "inte bara fatta bättre beslut, utan också börja förstå vad som faktiskt händer med dessa patienter innan deras hjärta stannar" . Eftersom EKG är rutinmässiga, billiga och tillgängliga på vårdcentraler över hela världen kan verktyget skalas upp brett för att rädda liv .