Een algoritme op basis van AI dat wordt toegepast op standaard-ECG’s kan vroege tekenen van een verminderde hartfunctie nauwkeurig identificeren, zo blijkt uit een studie onder leiding van onderzoekers van het UT Southwestern Medical Center. De bevindingen wijzen erop dat AI-ondersteunde ECG-analyse een schaalbaar en betaalbaar hulpmiddel zou kunnen worden voor het opsporen van mensen met een risico op hartfalen, met name in landen waar geavanceerde cardiale beeldvorming beperkt beschikbaar is.
Het onderzoek richtte zich op patiënten in Kenia en onderzocht of AI linkerventrikel-systolische disfunctie (LVSD) kon detecteren. Deze aandoening, waarbij de linkerventrikel van het hart niet langer effectief bloed pompt, is een belangrijke voorloper van hartfalen. Het vroegtijdig opsporen van LVSD is belangrijk omdat behandeling en monitoring kunnen beginnen voordat patiënten ernstige symptomen ontwikkelen. Het onderzoek is onlangs gepubliceerd in JAMA Cardiology.
Diagnostische kloof
Hartfalen komt wereldwijd steeds vaker voor, maar de last is vooral groot in Sub-Sahara Afrika. Patiënten in de regio ontwikkelen vaak op jongere leeftijd hartfalen en hebben slechtere prognoses, terwijl gezondheidszorgsystemen te kampen hebben met een tekort aan apparatuur, specialisten en diagnostische infrastructuur.
Echocardiografie is de klinische standaard voor het diagnosticeren van LVSD omdat het echobeelden oplevert van de structuur en functie van het hart. Toch blijft de toegang tot echocardiografie beperkt in veel omgevingen met beperkte middelen. De apparatuur is duur, er is een tekort aan opgeleid personeel en grootschalige screening is vaak niet haalbaar.
ECG's zijn daarentegen relatief goedkoop, overal verkrijgbaar en gemakkelijker uit te voeren. Traditioneel meten ze de elektrische activiteit van het hart in plaats van de hartfunctie direct in beeld te brengen. Door AI-analyse toe te voegen, wilden onderzoekers vaststellen of ECG's patronen konden onthullen die verband houden met verborgen hartdisfunctie.
Sterke prestaties
Het onderzoeksteam rekruteerde bijna 6.000 patiënten die routinematige zorg ontvingen in acht zorginstellingen in Kenia. Alle deelnemers ondergingen een AI-ECG-screening. Een subgroep van 1.444 patiënten onderging ook een echocardiogram, waardoor onderzoekers de AI-resultaten konden vergelijken met de gouden standaard.
Bij patiënten die beide tests ondergingen, identificeerde het algoritme LVSD bij 14,1 procent. Het AI-ECG vertoonde een negatieve voorspellende waarde van 99,1 procent, wat betekent dat bijna alle patiënten die waren geclassificeerd als niet-LVSD-patiënten, door echocardiografie als negatief werden bevestigd.
De tool vertoonde ook een hoge sensitiviteit, waarbij 95,6 procent van de patiënten met LVSD correct werd gedetecteerd, en een specificiteit van 79,4 procent, waarbij veel patiënten zonder de aandoening correct werden geïdentificeerd. Positieve AI-ECG-resultaten hielden ook sterk verband met andere tekenen van ongunstige cardiale remodellering, waaronder linkerventrikelhypertrofie en diastolische disfunctie.
Deze resultaten suggereren dat AI-ECG bijzonder nuttig zou kunnen zijn als uitsluitingsinstrument: het helpt clinici te bepalen welke patiënten waarschijnlijk geen echocardiografie nodig hebben, terwijl beeldvorming wordt geprioriteerd voor degenen met een hoger risico.
Schaalbare cardiovasculaire preventie
Het belang van de studie ligt niet alleen in de technische prestaties, maar ook in de potentiële impact op de gezondheidszorg. In omgevingen waar echocardiografie niet systematisch kan worden aangeboden, zou AI-ECG een tussenlaag van risicodetectie kunnen bieden tussen basis klinische beoordeling en gespecialiseerde cardiale beeldvorming.
Volgens de onderzoekers zou deze aanpak een cruciale leemte in de wereldwijde cardiovasculaire zorg kunnen helpen dichten door vroege screening op hartfalen toegankelijker te maken. Het kan ook bijdragen aan betere triage, vroegere behandeling en efficiënter gebruik van schaarse diagnostische middelen.
AI-ECG mag echter niet worden gezien als een vervanging voor echocardiografie. In plaats daarvan zou het kunnen fungeren als een praktisch screeningsinstrument dat patiënten identificeert die verdere evaluatie nodig hebben. Voor een bredere implementatie is validatie bij andere populaties nodig, evenals integratie in klinische workflows en aandacht voor datakwaliteit, rechtvaardigheid en regelgevend toezicht.
Voor gezondheidszorgstelsels die onder druk staan, wijst de studie op een krachtig principe: wanneer AI wordt ingebed in eenvoudige, betaalbare diagnostiek, kan geavanceerde cardiovasculaire preventie beschikbaar komen ver buiten de gespecialiseerde centra.
AI-ECG
Vorig jaar liet een internationaal onderzoek al zien dat een AI-gestuurd ECG-systeem, “Queen of Hearts”, ernstige hartaanvallen (STEMI’s) nauwkeuriger kan detecteren en het aantal valse positieven sterk vermindert. Snelle herkenning van deze levensbedreigende aandoening is cruciaal, omdat vertraging in behandeling het sterfterisico aanzienlijk verhoogt.
In een studie onder 1.032 patiënten in drie Europese centra identificeerde de AI 553 van de 601 STEMI-gevallen correct, tegenover 427 via standaard ECG-beoordeling. Tegelijk daalde het aantal foutieve meldingen van 41,8 naar 7,9 procent. Dit kan leiden tot snellere triage, efficiënter transport en minder belasting voor zorgteams.
