Et verktøy basert på kunstig intelligens (AI) kan nå oppdage skjulte hjertesykdommer ved hjelp av en rutineundersøkelse.
Hvert år forlater millioner av mennesker sykehuset uten å vite at de har et alvorlig hjerteproblem. Ikke fordi legene er uforsiktige. Ikke fordi de riktige testene ikke finnes. Men fordi standardtestene som legene rutinemessig bruker, ganske enkelt ikke kan oppdage mange typer strukturelle hjertesykdommer på egen hånd.
Et team av forskere ved Columbia University og NewYork-Presbyterian kan ha funnet en måte å endre dette på. De utviklet et verktøy for kunstig intelligens kalt EchoNext som leser data fra en rutinemessig hjertetest og oppdager strukturelle hjertesykdommer med større nøyaktighet enn menneskelige kardiologer. Denne studien ble publisert i tidsskriftet Nature i juli 2025.
Hva er strukturell hjertesykdom?
Strukturell hjertesykdom er fysiske problemer med hjertet – dets klaffer, kamre, muskel eller blodårene som er direkte koblet til det. Sykdommen omfatter tilstander som hjertesvikt, klaffesykdom, pulmonal hypertensjon og alvorlig fortykning av hjertemuskelen. Mange av disse tilstandene kan, hvis de oppdages tidlig, behandles med medisin eller kirurgi. Hvis de forblir uoppdaget, kan de være dødelige.
Den gyldne standarden for diagnostisering av strukturell hjertesykdom er et ekkokardiogram – en ultralydundersøkelse av hjertet. Et ekkokardiogram gir legene et klart bilde av hjertets struktur og funksjon. Problemet er at ekkokardiogrammer er dyre, krever utdannede spesialister for å utføre og tolke, og ikke er tilgjengelige overalt. På grunn av disse hindringene bestiller leger vanligvis et ekkokardiogram bare når en pasient allerede viser symptomer eller når de har en sterk grunn til å mistenke et problem.
Dette betyr at et stort antall mennesker med strukturell hjertesykdom aldri får den testen som kunne avdekke tilstanden deres. Forskning tyder på at når systematisk ekkokardiografisk screening utføres i lokalsamfunn, blir antallet oppdagede tilfeller av hjerteklaffesykdom mer enn doblet sammenlignet med rutinebehandling. Med andre ord kan opptil halvparten av alle tilfeller forbli uoppdaget.
Elektrokardiogrammet er et mye brukt verktøy, men har begrensninger
Elektrokardiogrammet (EKG) er en annen type hjertetest. Det måler hjertets elektriske aktivitet. Leger bruker EKG for å oppdage unormale hjerterytmer, blokkerte kransarterier og tidligere hjerteinfarkt. EKG er billig, raskt, ikke-invasivt og tilgjengelig på nesten alle sykehus og klinikker i verden. Leger utfører hundrevis av millioner EKG-undersøkelser hvert år.
Men EKG har en velkjent begrensning. I flere tiår har kardiologer forstått at man ikke kan oppdage strukturell hjertesykdom utelukkende ved hjelp av et elektrokardiogram. De elektriske signalene som testen fanger opp, avslører ikke direkte fysisk skade på hjerteklaffer eller hjertemuskulatur. Som dr. Pierre Elias, som ledet EchoNext-forskningen, uttrykte det: «Vi ble alle lært på medisinstudiet at man ikke kan oppdage strukturell hjertesykdom ved hjelp av et elektrokardiogram.»
EchoNext utfordrer denne antakelsen.
Slik fungerer EchoNext
EchoNext er en dyp læringsmodell – en type kunstig intelligens som lærer mønstre fra store datamengder. Forskere trente denne modellen på mer enn 1,2 millioner EKG–ekkokardiogram-par samlet inn fra over 230 000 pasienter ved åtte sykehus over en periode på 14 år. Ved å studere hvert EKG sammen med det tilsvarende ekkokardiogramresultatet fra samme pasient, lærte modellen å finne subtile mønstre i EKG-data som tilsvarer strukturelle hjerteproblemer – mønstre som er for svake og komplekse til at det menneskelige øyet kan oppdage dem.
Denne modellen tar som inndata både den rå EKG-kurven og syv standardverdier som leger allerede registrerer: alder, kjønn, atriefrekvens, ventrikkelfrekvens, PR-intervallet, QRS-varighet og det korrigerte QT-intervallet. Den genererer deretter en risikoscore som forteller legene hvor sannsynlig det er at pasienten har strukturell hjertesykdom.
Det er avgjørende at EchoNext ikke prøver å erstatte ekkokardiogrammet. I stedet fungerer det som et smart filter. Det identifiserer hvilke pasienter, blant de mange som får rutinemessige EKG-er, som har høy nok risiko til at legene bør følge opp med et ekkokardiogram. «EchoNext bruker i utgangspunktet den billigere testen for å finne ut hvem som trenger den dyrere ultralyden», forklarte dr. Elias.
Hva denne forskningen fant
Resultatene av denne studien var slående. I en direkte sammenligning med 13 kardiologer som gjennomgikk 3 200 EKG-er, oppnådde EchoNext en nøyaktighet på 77 %, sammenlignet med 64 % for kardiologene. Selv når kardiologene hadde tilgang til EchoNext sine risikoscore for å hjelpe dem med å ta beslutninger, presterte de fortsatt dårligere enn kunstig intelligens-modellen som arbeidet på egen hånd.
Forskerteamet kjørte også EchoNext i det de kalte en «stille implementering» – de brukte dette verktøyet på nesten 85 000 pasienter som hadde fått et EKG, men som ikke tidligere hadde gjennomgått et ekkokardiogram. Verktøyet identifiserte mer enn 7 500 av disse pasientene (om lag 9 %) som høyrisikopasienter for udiagnostisert strukturell hjertesykdom. Leger som fulgte opp disse pasientene i løpet av det påfølgende året, bekreftet at EchoNext sine prediksjoner holdt stikk, med en positiv prediktiv verdi på 74 % blant de som senere gjennomgikk ekkokardiogram.
Forskerne validerte deretter EchoNext ved fire uavhengige sykehussystemer, inkludert Cedars-Sinai, University of California San Francisco og Montreal Heart Institute. Denne modellen opprettholdt høy nøyaktighet på tvers av sykehus med ulike pasientpopulasjoner og ulike forekomster av strukturell hjertesykdom, noe som tyder på at dette verktøyet fungerer pålitelig utenfor det spesifikke miljøet der det ble utviklet.
Ekte pasienter, ekte resultater
EchoNext-forskerne delte tre konkrete tilfeller der dette verktøyet direkte førte til en livsendrende diagnose. I det første tilfellet oppdaget EchoNext alvorlig aortastenose – en tilstand der ventilen som styrer blodstrømmen ut av hjertet blir farlig innsnevret – hos en pasient som ikke tidligere hadde fått diagnosen strukturell hjertesykdom. Den pasienten gjennomgikk deretter en minimalt invasiv hjerteventilutskiftningsprosedyre kjent som transkateter-aortaventilutskiftning.
I det andre tilfellet oppdaget dette verktøyet alvorlig mitralinsuffisiens – en tilstand der blod lekker bakover mellom to kamre i hjertet. Pasienten gjennomgikk deretter en korrigerende klaffoperasjon. I det tredje tilfellet oppdaget EchoNext hjertesvikt, og pasienten fikk til slutt en hjertetransplantasjon. Hver av disse pasientene hadde gjennomgått et rutinemessig EKG uten at noen mistenkte strukturell hjertesykdom. EchoNext fant det menneskelige øyet overså.
Hva betyr dette for deg?
Hvis du noen gang har tatt et EKG på et sykehus eller en klinikk, har du allerede opplevd den typen test som EchoNext leser. Du trengte ikke en egen prosedyre, ekstra utstyr eller ytterligere forberedelser. De samme dataene som testen allerede produserer, kan, med EchoNext kjørende i bakgrunnen, varsle legen din om at du trenger videre undersøkelse.
Dette er viktigst i miljøer der det er mangel på kardiologer og ekkokardiografimaskiner – sykehus på landsbygda, lokalklinikker og helsesystemer i lavinntektsland. Fordi EchoNext kjører på standard EKG-data, kan det utvide rekkevidden for screening av hjertesykdommer til mennesker som ellers aldri ville fått et ekkokardiogram i det hele tatt.
Dr. Elias og teamet hans mener at «EKG kombinert med kunstig intelligens har potensial til å skape et helt nytt screeningparadigme». Forskerne jobber for tiden med å gjøre denne teknologien mer tilgjengelig og å forbedre modellen ytterligere ved å trene den på flere pasientdatasett.
EchoNext er ennå ikke en del av standard klinisk behandling. Forskerne og deres institusjon – Columbia University – har søkt om patent på algoritmen, og teamet jobber mot en bredere implementering. De har også gitt ut et offentlig datasett og en lettvektsversjon av modellen for å støtte videre forskning av forskere over hele verden.
Forskningsmiljøet har reagert med stor interesse. Andre team bygger allerede videre på EchoNext-referansedatasettet for å utvikle nye modeller som kombinerer kunstig intelligens med statistiske metoder, med mål om å gjøre resultatene ikke bare nøyaktige, men også tolkbare – slik at leger kan forstå hvilke spesifikke trekk ved et EKG-signal som førte til en bestemt risikoscore.
Informasjonskilder:
- Columbia University Irving Medical Center. Kan AI oppdage skjulte hjertesykdommer?
- ColumbiaDoctors / NewYork-Presbyterian. EchoNext: AI-verktøy oppdager skjulte strukturelle hjertesykdommer
- NewYork-Presbyterian Fremskritt innen kardiologi. Studie viser at AI-screeningverktøy kan oppdage strukturelle hjertesykdommer ved hjelp av EKG-data
- News-Medical. AI-drevet EKG-modell overgår leger i å oppdage skjulte hjertesykdommer
- Inside Precision Medicine. AI gjør EKG-er til et kraftig verktøy for screening av hjertesykdommer
- ODSC / Open Data Science. AI-modell oppdager skjulte hjertesykdommer fra EKG-er og overgår kardiologer
- Tidsskriftet Nature. Påvisning av strukturelle hjertesykdommer fra elektrokardiogrammer ved hjelp av AI PhysioNet. EchoNext: Et datasett for å oppdage ekkokardiogrambekreftet strukturell hjertesykdom fra EKG-er
- American College of Cardiology. Transformative trender innen kardiovaskulær medisin for 2025
- Healio. 2026: Året verktøykassen vår utvides innen kardiologi
Discussion about this post