AI upptäcker ny EKG-signal som förutsäger plötslig hjärtdöd bättre än standardtester

Hur modellen tränades och validerades

Forskarna tog ett rigoröst grepp om modellutvecklingen. De parade över 440 000 EKG från svenska sjukvårdsregister med dödsattestdata så att AI:n kunde lära sig vilka vågformsmönster som föregick plötslig hjärtdöd . Den djupinlärningsarkitektur som användes analyserade hela 12-avledningssignalen, inte bara sammanfattande mätvärden – vilket gjorde att den kunde hitta subtila, icke-linjära mönster som är osynliga för mänskliga läsare.

För att säkerställa att fynden inte var specifika för Sverige validerades modellen externt på tusentals oberoende patientjournaler från USA och Taiwan. Prediktionerna höll över olika populationer och sjukvårdssystem, vilket ger starka bevis för generaliserbarhet .

Därför har det varit så svårt att upptäcka plötslig hjärtdöd

Plötsligt hjärtstopp skiljer sig fundamentalt från en hjärtinfarkt. En hjärtinfarkt innebär att en blockerad artär svälter hjärtmuskeln på syre; plötsligt hjärtstopp är en elektrisk funktionsstörning – hjärtats elektriska ström slutar att fungera utan förvarning .

Människor dör så snabbt att det är nästan omöjligt att studera vad hjärtat gjorde strax innan. Obduktioner kan visa strukturella problem (blockerade kärl, ärrvävnad), men som forskarna noterade: ”den faktiska funktionen före döden förblir något av en svart låda” .

Dagens guldstandardtest – att mäta vänsterkammarens ejektionsfraktion (LVEF), andelen blod hjärtat pumpar ut per slag – är ett trubbigt instrument. Många som dör av plötsligt hjärtstopp har normal LVEF, och många med låg LVEF upplever aldrig ett hjärtstopp . Standardmetoden missar de flesta som behöver hjälp.

Praktiska resultat jämfört med standardtester

AI:n identifierade en högriskgrupp som omfattar cirka 2,2 % av den screenade populationen. Den årliga dödligheten på 7,0 % i denna grupp är jämförbar med eller bättre än den risknivå som används i kliniska prövningar för implanterbara defibrillatorer (ICD) . Det innebär att många patienter som skulle missas enligt nuvarande riktlinjer skulle kunna bli kandidater för livräddande enheter.

Vad händer härnäst?

Forskningen pekar på tre tydliga nästa steg:

1. Klinisk användning för defibrillatorbeslut: EKG är billiga, icke-invasiva och finns på nästan alla kliniker världen över. AI-modellen skulle kunna hjälpa läkare att avgöra vem som behöver en implanterbar cardioverter-defibrillator (ICD). Som Obermeyer uttryckte det: ”Om du visste att du var en av dem som skulle falla död omkull, skulle du gå till en kardiolog och få en defibrillator inopererad. Problemet är att läkare inte kan ta reda på vem som behöver en innan det är för sent” .

2. Ny fysiologisk förståelse: Den nya vågform som AI:n upptäckte – utan att bli tillsagd vad den skulle leta efter – öppnar en ny forskningsriktning. Att förstå den exakta elektriska mekanismen bakom den slurriga R-vågen i avledning aVL skulle kunna avslöja varför vissa hjärtan plötsligt slutar fungera. ”Vi kan inte bara fatta bättre beslut, utan också börja förstå vad som faktiskt pågår hos dessa patienter innan deras hjärta stannar”, sa Obermeyer .

3. Prospektiva prövningar före bred användning: Även om den externa valideringen i tre länder är starka bevis, måste modellen testas i prospektiva kliniska prövningar innan den kan införas i rutinsjukvården. Forskargruppens arbete visar på den typ av rigorös, tvärpopulationsvalidering som gör detta fynd särskilt lovande .