Artsen kunnen binnenkort mogelijk een lastig te diagnosticeren vorm van hartziekte binnen enkele seconden herkennen met behulp van een AI-model dat is ontwikkeld aan de University of Michigan. Dat blijkt uit een recente studie. Het model analyseert een standaard elektrocardiogram (ECG) en spoort coronair microvasculair disfunctioneren (CMVD) op. Dit is een aandoening die met bestaande middelen vaak onopgemerkt blijft.
CMVD treft de kleinste bloedvaten van het hart en veroorzaakt klachten als pijn op de borst en een verhoogd risico op een hartinfarct. In tegenstelling tot klassieke kransslagaderziekte is de aandoening niet zichtbaar op een angiogram. Voor een betrouwbare diagnose zijn doorgaans geavanceerde en kostbare PET-scans nodig, die vooral beschikbaar zijn in gespecialiseerde centra.
CMVD diagnose
Het nieuwe AI-model, gepubliceerd in NEJM AI, doorbreekt die beperking. De onderzoekers trainden het systeem om CMVD te herkennen op basis van een ECG-registratie van slechts tien seconden. Daarbij presteerde het model aanzienlijk beter dan eerdere ECG-AI-toepassingen, onder meer bij het voorspellen van de myocardiale flow reserve, de gouden standaard voor het vaststellen van CMVD.
Volgens hoofdonderzoeker Venkatesh L. Murthy biedt het model clinici een praktisch instrument om een aandoening te identificeren die nu vaak wordt gemist, met name op de spoedeisende hulp. Jaarlijks melden zich alleen al in de VS zo’n 14 miljoen mensen met pijn op de borst bij de SEH of polikliniek, waarbij CMVD regelmatig buiten beeld blijft.
Self-supervised learning
Een uitdaging was het beperkte aantal beschikbare PET-scans voor training. Het team loste dit op met zogeheten self-supervised learning. Eerst werd een deep-learningmodel voorgetraind op meer dan 800.000 ongeëtiketteerde ECG-signalen, zodat het zelfstandig het ‘elektrische taalgebruik’ van het hart leerde herkennen. Daarna werd het model verfijnd met een kleinere dataset van PET-scans.
Het resultaat is een AI-systeem dat niet alleen CMVD betrouwbaar voorspelt, maar ook de diagnostische nauwkeurigheid verbetert voor andere, vaker voorkomende hartaandoeningen. Opvallend is dat ECG’s in rust vrijwel net zo informatief bleken als inspannings-ECG’s.
Diagnostiek verrijken met AI
Voor ziekenhuizen met beperkte middelen kan deze technologie grote waarde hebben. “Bij patiënten met pijn op de borst kan een angiogram ‘schoon’ zijn, terwijl er wel degelijk sprake is van CMVD,” aldus mede-auteur Sascha N. Goonewardena. “Met dit AI-ECG kunnen we snel, niet-invasief en kosteneffectief bepalen wie baat heeft bij vervolgonderzoek.”
De studie benadrukt hoe AI bestaande, laagdrempelige diagnostiek kan verrijken en zo de toegang tot gespecialiseerde zorg kan verbeteren. Voor de cardiologie betekent dit een belangrijke stap richting eerdere en meer gelijkwaardige opsporing van complexe hartziekten.
AI-ECG technologie
Enkele maanden geleden bleek uit een internationaal onderzoek dat een AI-gestuurd ECG-systeem ernstige hartaanvallen (STEMI’s) sneller en nauwkeuriger kan opsporen, met aanzienlijk minder valse positieven. STEMI’s vereisen snelle behandeling; zonder ingreep binnen 90 minuten stijgt het sterfterisico sterk. In de praktijk blijkt dit, vooral buiten PCI-centra, lastig te realiseren.
Het AI-ECG-model, bekend als Queen of Hearts, herkent zowel klassieke als atypische patronen van acute kransslagaderafsluiting. In een analyse van 1.032 patiënten in drie Europese PCI-centra detecteerde de AI 553 van de 601 STEMI’s, tegenover 427 met standaard ECG-beoordeling. Tegelijk daalde het aandeel valse positieven van 41,8 naar 7,9 procent.
