Gezondheid, patiënten met risico op hartstilstand: AI identificeert ze effectiever dan artsen

Een nieuw AI-model is veel beter dan artsen in het identificeren van patiënten met een risico op een hartstilstand. De sleutel is het vermogen van het systeem om lang onderbenutte hartbeelden te analyseren, samen met een breed scala aan medische dossiers, om voorheen verborgen informatie over de hartgezondheid van een patiënt te onthullen. Het federaal gefinancierde onderzoek, onder leiding van onderzoekers van Johns Hopkins University, zou levens kunnen redden en veel mensen onnodige medische ingrepen, waaronder de implantatie van onnodige defibrillatoren, kunnen besparen. "We hebben momenteel patiënten die in hun bloei van hun leven overlijden omdat ze niet beschermd zijn, en anderen die de rest van hun leven defibrillatoren moeten dragen zonder er baat bij te hebben", zegt hoofdauteur Natalia Trayanova, een onderzoeker gespecialiseerd in het gebruik van AI in de cardiologie.

We kunnen met zeer hoge nauwkeurigheid voorspellen of een patiënt een zeer hoog risico loopt op een plotselinge hartdood of niet." De bevindingen worden vandaag gepubliceerd in Nature Cardiovascular Research. Hypertrofische cardiomyopathie is een van de meest voorkomende erfelijke hartaandoeningen, die wereldwijd één op de 200 tot 500 mensen treft en een belangrijke oorzaak is van plotselinge hartdood bij jongeren en atleten. Veel patiënten met hypertrofische cardiomyopathie leiden een normaal leven, maar een percentage van hen loopt een aanzienlijk hoger risico op een plotselinge hartdood. Het is voor artsen vrijwel onmogelijk geweest om deze patiënten te identificeren. De huidige klinische richtlijnen die artsen in de Verenigde Staten en Europa gebruiken om patiënten te identificeren die het grootste risico lopen op een fatale hartaanval, bieden een kans van ongeveer 50 procent om de juiste patiënten te identificeren – "niet veel beter dan dobbelen", legt Trayanova uit.

Het model van het team overtrof de klinische richtlijnen aanzienlijk, voor alle demografische groepen.

De Multimodal AI for Ventricular Arrhythmia Risk Stratification (MAARS) voorspelt het risico van een patiënt op plotselinge hartdood door diverse gegevens en medische dossiers te analyseren en, voor het eerst, alle informatie te verkennen die is opgeslagen in contrastversterkte MRI-beelden van het hart van een patiënt. Mensen met hypertrofische cardiomyopathie ontwikkelen fibrose, oftewel littekenvorming, in hun hele hart, en die littekenvorming verhoogt hun risico op plotselinge hartdood. Hoewel artsen de ruwe MRI-beelden niet konden interpreteren, richtte het AI-model zich op de kritieke littekenpatronen. "Niemand heeft ooit deep learning op die beelden toegepast", zegt Trayanova. "We kunnen deze verborgen informatie uit de beelden halen, die normaal gesproken niet wordt meegenomen." Het team testte het model op echte patiënten die volgens de traditionele klinische richtlijnen werden behandeld in het Johns Hopkins Hospital en het Sanger Heart & Vascular Institute in North Carolina. Vergeleken met klinische richtlijnen die ongeveer de helft van de tijd accuraat waren, was het AI-model 89 procent nauwkeurig voor alle patiënten en, cruciaal, 93 procent voor mensen tussen de 40 en 60 jaar, de groep HCM-patiënten die het grootste risico loopt op plotselinge hartdood. Het AI-model kan ook beschrijven waarom patiënten een hoog risico lopen, zodat artsen een zorgplan op hun specifieke behoeften kunnen afstemmen. "Ons onderzoek toont aan dat het AI-model ons vermogen om te voorspellen wie het hoogste risico loopt aanzienlijk verbetert in vergelijking met onze huidige algoritmen en daarom de potentie heeft om de klinische zorg te transformeren", aldus coauteur Jonathan Crispin , cardioloog bij Johns Hopkins.