Kunstmatige intelligentie, een nieuw model, kan het risico op een hartstilstand identificeren

Kunstmatige intelligentie zou ons binnenkort kunnen helpen het risico op een plotselinge dood door een hartstilstand nauwkeuriger te voorspellen: een onderzoeksteam onder leiding vanUniversiteit van Californië in Berkeley (UC Berkeley, VS) trainde een model voor kunstmatige intelligentie en ‘leert’ het de elektrocardiogrammen te herkennen van mensen met een hoger risico.

Hartstilstand

Terwijl een hartaanval wordt veroorzaakt door een vermindering van de bloedtoevoer naar het hart, treedt een hartstilstand op wanneer de elektrische stroom van het hart plotseling stopt. Cardiopulmonale reanimatie en een schok van een automatische externe defibrillator kunnen levens redden, maar ongeveer 90 procent van degenen die buiten een ziekenhuis een plotselinge hartstilstand krijgen, overlijdt binnen enkele minuten.

Omdat mensen zo abrupt sterven, is het moeilijk om te weten wat er in het hart gebeurde voordat het stopte. Autopsies kunnen enkele details over de structuur ervan onthullen, zoals geblokkeerde bloedvaten of verhard weefsel, maar het feitelijke functioneren van het hart vóór de dood blijft een soort ‘zwarte doos’.

Zoals het Istituto Superiore di Sanità uitlegt, is hartstilstand de derde doodsoorzaak in Europa: met name varieert de jaarlijkse incidentie van hartstilstand buiten het ziekenhuis tussen 67 en 170 gevallen per 100.000 inwoners, met een gemiddelde overleving van 8%, terwijl tussen 1,5 en 2,8 per 1.000 ziekenhuisopnames, met een overleving na 30 dagen tussen 15% en 34%. intraziekenhuis.

In Italië vertoont het beheer van arrestaties aanzienlijke heterogeniteit: een meta-analyse die in 2020 werd gepubliceerd en op meer dan 43.000 gevallen werd uitgevoerd, bracht een gemiddelde incidentie aan het licht van 86 gevallen die door de hulpdiensten werden gered en 55 gevallen die werden behandeld met cardiopulmonale reanimatie per 100.000 inwoners/jaar. Maar ondanks een terugkeer van 19% van de spontane bloedsomloop bedraagt ​​de totale overleving 9% en de overleving met goede neurologische uitkomst 5%.

Ook de organisatie van het noodsysteem vertoont een gevarieerde territoriale spreiding, verschillen in het gebruik van 112/118, in de opleiding van operators, in de instructies vóór aankomst en in de protocollen voor het gebruik van semi-automatische externe defibrillatoren.

Extra hulp van Kunstmatige Intelligentie

Met een nieuw hulpmiddel dat dit proces radicaal zou kunnen veranderen, hebben onderzoekers van UC Berkeley een voorheen onbekend signaal in elektrocardiogrammen ontdekt dat patiënten met een hoog risico beter kan opmerken voordat hun hart stopt.

Met behulp van meer dan 440.000 elektrocardiogrammen (ECG’s) uit Zweden, gecombineerd met informatie uit overlijdensakten, hebben de onderzoekers een kunstmatig intelligentiemodel getraind om de pieken en golfvormen te analyseren die worden geproduceerd door de elektrische stromen van het hart.

Ze voedden het model met gedetailleerde scans van gezonde mensen, risicopatiënten en mensen die later stierven aan een hartstilstand, totdat het in staat was de patronen golfvormen bij mensen die later een plotselinge hartdood kregen.

Vervolgens testten de onderzoekers het model in de loop van een aantal jaren op duizenden andere patiëntendossiers uit de Verenigde Staten en Taiwan.

De analyse van het algoritme van de elektrocardiogrammen van patiënten overtrof de prestaties van standaard klinische tests, die de hoeveelheid bloed meten die bij elke hartslag uit het hart wordt uitgestoten: in feite identificeren deze tests een hoogrisicogroep met een jaarlijks percentage van 4,6% plotselinge hartdood, terwijl het kunstmatige intelligentiesysteem een ​​hoogrisicogroep identificeert met een jaarlijks percentage van 7%, dat wil zeggen duizenden patiënten met een verschil per jaar, van wie de overgrote meerderheid, volgens de huidige normen, een laag risico vertoont.

Met andere woorden, het model identificeerde een grotere groep patiënten met een hoog risico en voorspelde nauwkeuriger wie een plotselinge hartdood zou lijden, allemaal op basis van beelden die algemeen beschikbaar zijn in medische centra over de hele wereld.

Het onderzoek zou artsen in staat kunnen stellen nauwkeuriger te identificeren wie een implanteerbare defibrillator nodig heeft, en maakt de weg vrij voor nieuw onderzoek naar het fysiologische mechanisme dat wordt geïdentificeerd door het hulpmiddel voor kunstmatige intelligentie, dat verband lijkt te houden met een plotselinge en fatale hartstilstand.

Medische beslissingen zijn echt moeilijk, en daarom boeit kunstmatige intelligentie mij zo – zegt Ziad Obermeyer, hoofdauteur van het onderzoek – We kunnen niet alleen betere beslissingen nemen, maar ook beginnen te begrijpen wat er werkelijk met deze patiënten gebeurt voordat hun hart stopt

De meest gebruikte methode om risicopatiënten te identificeren meet de hoeveelheid bloed die bij elke samentrekking door het hart wordt rondgepompt: als deze frequentie lager is dan een bepaalde drempel, kan de patiënt in aanmerking komen voor de implantatie van een defibrillator.

Maar deze test vereist dat patiënten een grondiger medisch onderzoek ondergaan, waarvan de overgrote meerderheid van de slachtoffers niet wist dat ze dat nodig hadden. Bovendien wordt tweederde van de implantaten voor deze vermoedelijk hoogrisicopatiënten nooit geactiveerd.

Dit betekent dat patiënten invasieve en dure procedures ondergaan om een ​​noodsituatie te voorkomen die zich misschien nooit zal voordoen. En in de tussentijd sterven ieder jaar duizenden mensen die niet wisten dat ze gevaar liepen.

Bij sommige van deze mensen hadden we die sterfgevallen kunnen voorkomen als we er maar op tijd van hadden geweten. Veel levens gaan verloren als gevolg van plotselinge hartdood, wat voorkomen zou kunnen worden als we over betere AI-instrumenten zouden beschikken om deze te detecteren

De volgende stappen

De volgende fase van het project is al begonnen: onderzoekers werken samen met gezondheidszorgsystemen in Zweden, Taiwan en de Verenigde Staten om het algoritme te implementeren in elektrocardiogramdatabases van ziekenhuizen: voor degenen die het algoritme als een hoog risico bestempelt, kunnen artsen patiënten waarschuwen en hen de mogelijkheid bieden een pleister te dragen die voortdurend hun hart in de gaten houdt.

Deze gegevens kunnen onderzoekers ook helpen het fysiologische mechanisme in het hart beter te begrijpen dat signalen genereert die blijkbaar verband houden met een verhoogd risico, en zelfs kunnen leiden tot de implantatie van een potentieel levensreddende interne defibrillator.

De wetenschappers hebben ook een website ontworpen en online gezet waar mensen die geïnteresseerd zijn in het beoordelen van hun risico basisinformatie en hun e-mailadres kunnen indienen, waardoor het onderzoeksteam contact met hen kan opnemen voor analyse van elektrocardiogrammen zodra de AI-tool op grotere schaal beschikbaar komt.

Uit deze instrumenten zal ook een nieuwe manier van wetenschap bedrijven voortkomen – besluit Obermeyer – en het is stimulerend om na te denken over hoe dit proces zal beginnen.

Het werk is gepubliceerd op Natuur.

Bronnen: UC Berkeley/Natuur