Een nieuwe AI-tool kan cardiologen helpen bij het nauwkeurig identificeren van cellen die hartritmestoornissen veroorzaken bij patiënten met ventriculaire tachycardie (VT). VT is een ernstige hartaandoening waarbij het ritme van de hartkamers plotseling verstoord raakt, wat levensbedreigend kan zijn. De standaardbehandeling is katheterablatie, een procedure waarbij met behulp van energie, zoals bijvoorbeeld warmte, de abnormale cellen die de ritmestoornissen veroorzaken, worden vernietigd. Echter, het blijft lastig om vooraf precies te bepalen welke cellen behandeld moeten worden. Dit leidt ertoe dat meer dan de helft van de patiënten binnen een jaar terugvalt, doordat problematische cellen na de ingreep niet volledig zijn geëlimineerd.
Onder leiding van Michele Orini, hoofddocent gezondheidszorgtechniek aan King's College London, ontwikkelden onderzoekers een machine learning-algoritme dat het mogelijk maakt om op basis van elektrische signalen van het hart de cellen die VT veroorzaken te detecteren.
PoC-studie
In samenwerking met University College London en andere internationale partners voerden ze een proof-of-concept-studie uit bij 13 varkens, omdat het varkenshart qua grootte en functie sterk lijkt op het menselijk hart. Ze verzamelden duizenden elektrische signalen van deze dieren en gebruikten deze data om vier verschillende AI-modellen te trainen en te vergelijken in het herkennen van problematische hartcellen.
Het random forest-algoritme bleek het beste te presteren, met een sensitiviteit van 81,4 procenten een specificiteit van 71,4 procent. Dit betekent dat het model in ruim 80% van de gevallen de juiste cellen wist te identificeren en tegelijkertijd het aantal fout-positieven beperkt hield. Deze resultaten laten zien dat AI een waardevolle ondersteuning kan zijn tijdens de ablatieprocedure door het preciezer in kaart brengen van ablatiedoelen, wat de kans op terugval kan verkleinen.
Levensveranderende techniek
Dr. Orini benadrukt dat katheterablatie een levensveranderende techniek is die niet alleen levens redt, maar ook pijnlijke elektrische schokken van implantaten zoals defibrillatoren kan voorkomen. Toch is het een complexe ingreep waarbij momenteel slechts de helft van de patiënten blijvend wordt geholpen. Daarom is er grote behoefte aan computationele hulpmiddelen om cardiologen te ondersteunen bij het bepalen van de beste behandelpuntjes.
De onderzoekers werken nu aan verdere validatie van de AI-tool bij mensen. Daarnaast testen ze al geavanceerdere AI-technieken, zoals grafische neurale netwerken, die nog betere prestaties kunnen leveren. De hoop is dat deze technologieën niet alleen de effectiviteit van VT-behandelingen vergroten, maar ook de duur en kosten van de procedure verminderen. Zo kan AI een belangrijke rol gaan spelen in de toekomst van gepersonaliseerde en efficiëntere hartzorg.
AI kan VT voorspellen
In 2023 presenteerde Philips op het Heart Rhythm Society-congres een AI-gedreven leermodel dat ventriculaire tachycardie (VT) kan voorspellen. Het model is getraind met meer dan 115.000 ambulante ECG-opnames uit vijf landen en retrospectief gevalideerd met ECG-gegevens over 14 dagen. Het systeem voorspelt het optreden van aanhoudende VT (langer dan 30 seconden) binnen twee weken, op basis van slechts de eerste 24 uur monitoringsdata. Op interne datasets behaalde het model een AUC van 0,939, met een sensitiviteit van 83,3 procent en specificiteit van 88,7 procent.
Externe validatie liet een AUC van 0,911 zien, met vergelijkbare sensitiviteit en specificiteit. Het AI-model voorspelde in 88% van de gevallen met snelle VT (≥180 bpm) correct het hartritmeprobleem. Dit onderzoek benadrukt de potentie van AI in het vroegtijdig detecteren en voorspellen van levensbedreigende hartritmestoornissen, wat de cardiologische zorg kan transformeren van reactief naar preventief. Eerdere studies bevestigen ook de waarde van AI bij het vroeg signaleren van hartproblemen zoals atriumfibrilleren en hartfalen.
