AI halveert beoordelingstijd van ECG’s door cardiologen

Kunstmatige intelligentie zou de tijd die cardiologen besteden aan het interpreteren van echocardiogrammen (ECG’s) aanzienlijk kunnen verkorten, zonder dat dit ten koste gaat van de kwaliteit van hun rapporten. In een gerandomiseerd onderzoek met 1.200 echocardiografische onderzoeken presteerden door AI gegenereerde voorlopige beoordelingen even goed als rapporten die door zorgprofessionals waren opgesteld. Cardiologen hadden voor hun beoordelingen bovendien in bijna de helft van de tijd die het normaal kost, wanneer ze werden bijgestaan door AI. Dat zijn hoopgevende resultaten, maar de onderzoekers benadrukken dat het effect ervan op de uitkomsten voor patiënten nog niet is aangetoond.

Echocardiografie is een van de meest gebruikte diagnostische beeldvormingstechnieken in de cardiologie. Echobeelden bieden informatie over de structuur, de pompfunctie en mogelijke afwijkingen van het hart, waardoor artsen cardiovasculaire aandoeningen kunnen diagnosticeren en de juiste behandeling kunnen bepalen.

Traditioneel maakt een echografist de beelden, waarna een cardioloog deze beoordeelt en een diagnostisch rapport opstelt of afrondt. Dit proces vereist specialistische expertise en kan tijdrovend zijn, zeker in de huidige tijd met een almaar toenemende vraag naar hartonderzoeken. Onderzoekers hebben mede daarom onderzocht of AI deze werkstroom zou kunnen ondersteunen door echocardiografische beelden te analyseren en voorlopige rapporten te genereren voor latere beoordeling door cardiologen.

Gerandomiseerde vergelijking

Het onderzoek omvatte 1.200 echocardiogrammen die waren gemaakt tijdens de routinematige klinische zorg in ziekenhuizen en poliklinieken van 21 medische centra van Kaiser Permanente in Noord-Californië. De onderzoeken werden uitgevoerd gedurende twee weken in maart 2025. De patiënten hadden een gemiddelde leeftijd van 69 jaar en 47% was vrouw. Voor elk onderzoek stelden een AI-systeem, een echografist en een cardioloog onafhankelijk van elkaar voorlopige interpretaties op. Deze rapporten werden willekeurig toegewezen aan beoordelende cardiologen, die de definitieve beoordelingen uitvoerden zonder te weten of de eerste interpretatie door AI of door een zorgprofessional was gegenereerd. Negen echografisten en 20 cardiologen namen deel aan het onderzoek.

De onderzoekers beoordeelden de prestaties door te meten hoe vaak de beoordelende cardiologen substantiële wijzigingen aanbrachten in de voorlopige interpretaties. Ze registreerden ook de tijd die nodig was om de rapporten af te ronden en onderzochten de consistentie met eerdere bevindingen die in de medische dossiers van de patiënten waren vastgelegd. Volgens de onderzoekers was dit de eerste gerandomiseerde studie waarin een AI-systeem werd geëvalueerd dat in staat is om volledige voorlopige echocardiografierapporten te produceren, inclusief metingen en klinische interpretaties.

Vergelijkbare nauwkeurigheid, aanzienlijk minder tijd

De door AI gegenereerde rapporten voldeden aan de vooraf vastgestelde criteria voor non-inferioriteit in vergelijking met door mensen opgestelde voorlopige interpretaties. De beoordelende cardiologen brachten substantiële wijzigingen aan in 50,6% van de AI-rapporten, vergeleken met 49,7% van de rapporten die eerder waren opgesteld door echografisten of cardiologen. Hoewel ongeveer de helft van de voorlopige rapporten aanzienlijke aanpassingen vereiste, was de frequentie vergelijkbaar in zowel de AI- als de menselijke groep. Dit suggereert dat AI een vergelijkbaar uitgangspunt zou kunnen bieden voor interpretatie door specialisten, in plaats van zelfstandig definitieve klinische rapporten te produceren. Het meest opvallende verschil betrof de efficiëntie.

Cardiologen besteedden gemiddeld 4,6 minuten aan het beoordelen en afronden van door AI gegenereerde interpretaties, vergeleken met 8,5 minuten bij het opstellen van rapporten zonder AI-ondersteuning. Dit betekende een tijdwinst van ongeveer 46%. Door AI ondersteunde rapporten vertoonden ook een grotere consistentie met eerdere rapporten in de medische dossiers van patiënten. Bovendien konden de beoordelende cardiologen geen betrouwbaar onderscheid maken tussen door AI gegenereerde voorlopige interpretaties en die welke door zorgprofessionals waren opgesteld.

Mede-hoofdauteur Keane K. Lee, cardioloog bij het Kaiser Permanente Santa Clara Homestead Medical Center, zei dat de omvang van de tijdwinst de verwachtingen van de onderzoekers overtrof. Gezien het grote aantal echocardiogrammen dat in de klinische praktijk wordt uitgevoerd, zou het verkorten van de interpretatietijd met enkele minuten per onderzoek mogelijk aanzienlijke specialistische capaciteit kunnen vrijmaken.

AI in cardiovasculaire diagnostiek

De bevindingen vormen een aanvulling op het groeiende onderzoek naar AI-toepassingen in de cardiovasculaire diagnostiek. Zoals we eerder meldden, wordt AI ook onderzocht voor het identificeren van patiënten met een verhoogd risico op hartfalen door middel van elektrocardiogramanalyse. In tegenstelling tot echocardiografie, waarbij echografie wordt gebruikt om de structuren en functie van het hart te beoordelen, registreert een elektrocardiogram de elektrische activiteit van het hart. AI-modellen kunnen ECG-patronen analyseren om subtiele afwijkingen te identificeren die kunnen wijzen op onderliggende hartdisfunctie of een verhoogd risico op het ontwikkelen van hartfalen.

Deze toepassingen richten zich op verschillende klinische vraagstukken. AI-ondersteunde ECG-analyse heeft tot doel de vroegtijdige identificatie van potentiële cardiovasculaire problemen te ondersteunen, terwijl geautomatiseerde echocardiografierapportage zich richt op het interpreteren van beeldvormingsbevindingen en het verminderen van de werklast die gepaard gaat met diagnostische rapportage. Samen illustreren ze hoe AI verschillende stadia van cardiovasculaire beoordeling zou kunnen ondersteunen, van risico-identificatie tot gespecialiseerde beeldvorming. Het identificeren van potentiële afwijkingen of het genereren van voorlopige rapporten leidt echter niet automatisch tot betere patiëntresultaten. Beide benaderingen vereisen klinische validatie en passende integratie in gevestigde diagnostische trajecten.

Klinische verantwoordelijkheid

Ondanks de veelbelovende resultaten benadrukken de onderzoekers dat door AI gegenereerde interpretaties klinische expertise niet kunnen vervangen. Cardiologen blijven verantwoordelijk voor het beoordelen van de beelden, het verifiëren van de bevindingen en het goedkeuren van het eindrapport. Zij moeten de resultaten ook interpreteren in de context van de medische geschiedenis, de symptomen en de behandelingsbehoeften van elke patiënt. Het onderzoek kent verschillende beperkingen. Er werden eerder verkregen echocardiogrammen geëvalueerd in plaats van de volledige diagnostische workflow tijdens routinematige klinische werkzaamheden. Cardiologen waren zich er bovendien van bewust dat ze aan een onderzoek deelnamen, wat mogelijk hun werkwijze beïnvloedde.

Belangrijk is dat in het onderzoek niet is onderzocht of AI-ondersteunde rapportage de resultaten voor patiënten op de lange termijn verbetert, diagnostische fouten vermindert of de wachttijd van patiënten op behandeling verkort. Er is daarom verder onderzoek nodig om de prestaties in grotere en meer diverse klinische omgevingen te beoordelen. Niettemin wijzen de resultaten erop dat door AI gegenereerde voorlopige rapporten een praktische manier zouden kunnen bieden om de administratieve en interpretatieve werklast in verband met cardiale beeldvorming te verminderen. Aangezien cardiovasculaire diensten te maken hebben met een toenemende vraag en een verwacht tekort aan medisch specialisten, zouden dergelijke toepassingen zorginstellingen kunnen helpen de beschikbare expertise efficiënter in te zetten, mits het klinisch toezicht en de diagnostische kwaliteit gewaarborgd blijven.