Onderzoekers van Johns Hopkins University hebben een geavanceerd AI-model ontwikkeld dat signalen in standaard preoperatieve ECG’s (elektrocardiogrammen) herkent, waarmee het voorspelt welke patiënten na een operatie mogelijk dodelijke complicaties ontwikkelen. Deze complicaties kunnen variëren van hartaanval en beroerte tot overlijden. Volgens de studie levert dit model betere voorspellingen dan de huidige risicoscores waarop chirurgen en anesthesiologen doorgaans vertrouwen.
Een ECG is een routinematige en niet-invasieve harttest, die al voor grote operaties standaard wordt afgenomen. Hoewel deze test vooral wordt gebruikt om de hartfunctie te beoordelen, bevat zij veel subtiele fysiologische data die voor het blote oog niet zichtbaar zijn. Denk aan aspecten zoals ontstekingsprocessen, elektrolytenbalans, vochtstatus, metabolisme en de algemene conditie van het cardiovasculaire systeem. Door deep learning toe te passen op grote datasets kan AI al deze signalen extraheren en interpreteren, zegt Robert D. Stevens, hoofd van Informatica, Integratie en Innovatie bij Johns Hopkins Medicine.
Onderzoeksopzet en resultaten
Het team analyseerde preoperatieve ECG-data van zo’n 37.000 patiënten van het Beth Israel Deaconess Medical Center in Boston. Twee soorten modellen werden getraind:
- Een model dat alleen het ECG gebruikt.
- Een “fusiemodel” dat ECG-data combineert met patiëntkenmerken zoals leeftijd, geslacht en medische voorgeschiedenis.
Het ECG‑alleen model presteerde al beter dan gangbare risicoscores, maar het fusiemodel haalde een nauwkeurigheid van 85% bij voorspelling van ernstige postoperatieve complicaties binnen 30 dagen (hartaanval, beroerte of overlijden). Volgens hoofdauteur Carl Harris is dit verrassend want vaak wordt gedacht dat je uitgebreide data nodig hebt om zulke risico’s te kunnen inschatten.
Impact op klinische besluitvorming
De implicaties zijn groot. In plaats van risicotabellen of scoreformulieren die deels onnauwkeurig zijn, zou AI‑gebaseerde voorspelling artsen en patiënten beter inzicht geven in het risico voorafgaand aan operaties. Dit kan leiden tot andere keuzes in voorbereiding en nazorg, meer gepersonaliseerde interventies of zelfs afwegingen of een operatie al dan niet moet plaatsvinden.
Een bijkomend resultaat is dat het model uitlegbaar is: onderzoekers hebben methodes ontwikkeld om aan te geven welke ECG‑kenmerken (zoals veranderingen in morfologie) bijdragen aan de voorspelling van complicaties. Dit is belangrijk voor acceptatie door clinici, omdat transparantie en begrijpelijkheid essentieel zijn om AI in de zorgpraktijk te integreren.
Aandachtspunten en vervolgstappen
Er zijn echter ook uitdagingen. Het huidige onderzoek is retrospectief van aard, gebaseerd op data uit één groot medisch centrum. De modellen moeten extern gevalideerd worden op datasets van andere ziekenhuizen én prospectief getest bij patiënten die op het punt staan een operatie te ondergaan. Verder is het belangrijk om de workflows in ziekenhuizen aan te passen zodat risico‑voorspellingen van AI met bestaande zorgprocedures samenwerken.
AI toont zich in dit onderzoek als een veelbelovende technologie om complicatierisico’s bij operaties beter in kaart te brengen dan traditionele risicoprofielen. Voorwaarde voor grootschalige toepassing is dat betrouwbaarheid, interpretatie, integratie in klinische routines en externe validatie op orde zijn. Zo’n ontwikkeling kan bijdragen aan veiliger opereren, betere patiëntuitkomsten en mogelijk kostenreductie door preventie van ernstige complicaties.
AI helpt de zorg
We zien steeds vaker dat zorginstellingen AI inzetten om artsen te ondersteunen en/of ontlasten bij het nemen van beslissingen of het inschatten van medische risico’s. Een voorbeeld daarvan is de in Duitsland ontwikkelde AI-tool, DeepNeo genaamd, waarmee het analyseproces van coronaire stents na implantatie geautomatiseerd kan worden. Het AI-gestuurde algoritme zorgt voor een aanzienlijke verkorting van de beoordelingstijd en evenaart de expertise van medische experts.
Een ander voorbeeld is hetAI-model GLUCOSE, dat artsen ondersteunt bij het nauwkeurig doseren van insuline bij patiënten die herstellen van een hartoperatie; een klinische uitdaging die gepaard gaat met grote risico’s.
