Een smartwatch die niet alleen je hartslag bijhoudt, maar ook in staat is om ernstige hartziekten op te sporen. Dat klinkt als toekomstmuziek, maar onderzoekers van de Yale School of Medicine brengen deze toekomst snel dichterbij. Tijdens de American Heart Association’s Scientific Sessions 2025 presenteren zij later deze week een baanbrekend onderzoek waarin een AI-algoritme in combinatie met de ECG-sensoren van een smartwatch met grote nauwkeurigheid structurele hartziekten wist te detecteren.
Structurele hartziekten, zoals een verminderde pompfunctie, beschadigde hartkleppen of een verdikte hartspier, worden momenteel vooral ontdekt via echocardiografie. Dit is een vorm van geavanceerde echografie die gespecialiseerd apparatuur en getraind personeel vereist. Deze onderzoeken zijn duur en niet overal toegankelijk, waardoor veel gevallen onopgemerkt blijven tot het te laat is. Volgens hoofdauteur dr. Arya Aminorroaya, internist in opleiding aan Yale New Haven Hospital, biedt het gebruik van draagbare technologie met AI een kans om dit te veranderen.
“Miljoenen mensen dragen dagelijks een smartwatch die al ritmestoornissen zoals atriumfibrilleren kan opsporen. Wij wilden onderzoeken of datzelfde apparaat ook kan helpen bij het vroegtijdig ontdekken van structurele afwijkingen aan het hart, vaak de voorloper van ernstige hartproblemen”, aldus dr. Aminorroaya tegenover News Medical.
AI-model getraind op 266.000 ECG’s
Het onderzoeksteam ontwikkelde zijn AI-model op basis van meer dan 266.000 twaalfkanaals ECG’s van ruim 110.000 patiënten die tussen 2015 en 2023 werden onderzocht in Yale New Haven Hospital. Deze grootschalige dataset bood de basis om een machine learning-algoritme te trainen dat structurele hartziekten kan herkennen op basis van een enkel ECG-signaal.
De uitdaging: smartwatches gebruiken een enkelkanaals ECG (via de sensor op de achterkant en die in de rand van de smartwatch), wat veel minder informatie bevat dan een klinisch ECG. Om het model robuuster te maken, voegden de onderzoekers kunstmatige “ruis” toe, een simulatie van de kleine verstoringen die kunnen optreden bij echte metingen via consumentenapparaten. Zo werd de AI beter bestand tegen variaties in signaalkwaliteit.
Het algoritme werd vervolgens extern gevalideerd met data van ruim 44.000 patiënten uit vier regionale ziekenhuizen en van 3.000 deelnemers aan de Braziliaanse ELSA-Brasil-studie, een grootschalig bevolkingsonderzoek naar chronische aandoeningen zoals hart- en vaatziekten en diabetes.
Hoge nauwkeurigheid bij realistische tests
In de eerste testfase, waarbij ziekenhuisapparatuur werd gebruikt, behaalde het AI-model een nauwkeurigheid van 92% bij het onderscheiden van gezonde en zieke harten. Vervolgens werd de technologie getest in een prospectieve studie met 600 deelnemers die een 30-seconden-ECG maakten via hun eigen smartwatch. Ook hier presteerde het model sterk, met een nauwkeurigheid van 88 procent in het detecteren van structurele hartziekten.
De AI herkende bij 86 procent van de patiënten daadwerkelijk aanwezige afwijkingen (sensitiviteit) en sloot met 99 procent zekerheid gezonde harten correct uit (negatieve voorspellende waarde). Daarmee is de technologie bijzonder geschikt als laagdrempelig screeningsinstrument: een waarschuwing via de smartwatch kan leiden tot verder onderzoek in het ziekenhuis.
Gepersonaliseerde preventieve zorg
Volgens dr. Rohan Khera, directeur van het Cardiovascular Data Science (CarDS) Lab aan Yale, toont deze studie de kracht van AI in combinatie met bestaande consumententechnologie: “Een enkelkanaals ECG is op zichzelf beperkt en kan een medisch 12-kanaals onderzoek niet vervangen. Maar met AI wordt het een krachtig hulpmiddel voor grootschalige screening van belangrijke hartafwijkingen met apparaten die miljoenen mensen al bezitten.”
De impact kan groot zijn, vooral in gebieden waar toegang tot gespecialiseerde hartdiagnostiek beperkt is. Door gebruik te maken van bestaande wearables kan deze technologie bijdragen aan vroegtijdige detectie van ziekten die anders pas in een vergevorderd stadium aan het licht komen.
Vervolgstappen
Hoewel de resultaten veelbelovend zijn, benadrukken de onderzoekers ook de beperkingen van hun studie. Het aantal patiënten met daadwerkelijk vastgestelde structurele hartziekten in de prospectieve testgroep was relatief klein, en het model leverde enkele vals-positieve resultaten op. Daarom wordt vervolgonderzoek uitgevoerd om de klinische toepasbaarheid en betrouwbaarheid verder te valideren in grotere, diverse populaties.
De volgende stap is om het AI-algoritme te integreren in gemeenschapsgerichte screeningsprogramma’s. Zo kan onderzocht worden of het gebruik van smartwatches met AI ook daadwerkelijk leidt tot betere preventieve zorg en lagere sterftecijfers door hart- en vaatziekten.
Digitale cardiologie
Het onderzoek illustreert hoe snel digitale gezondheidszorg zich ontwikkelt. Waar hartziekten vroeger alleen in het ziekenhuis konden worden vastgesteld, maken kunstmatige intelligentie en consumentenelektronica nu real-time monitoring en vroegtijdige detectie mogelijk, gewoon vanaf de pols.
Volgens Aminorroaya is dat een belangrijke stap richting persoonlijke, datagedreven zorg: “Door AI in te zetten via technologie die mensen al dagelijks gebruiken, kunnen we hartziekten eerder opsporen en complicaties voorkomen. Dat is niet alleen een technologische vooruitgang, maar een echte verschuiving in hoe we gezondheidszorg benaderen.”
Met deze ontwikkeling komt de visie van continue, preventieve hartzorg in het dagelijks leven een grote stap dichterbij. Slimme horloges worden zo niet alleen fitnesstrackers, maar potentieel levensreddende instrumenten in de moderne gezondheidszorg.
Smartwatch en hartzorg
Begin dit jaar berichtten wij over onderzoekers van de Universiteit van Tampere die een nieuwe methode ontwikkelden waarmee congestief hartfalen kan worden opgespoord via een smartwatch. Waar deze apparaten nu vooral atriumfibrilleren (hartritmestoornissen) detecteren, kan de nieuwe techniek ook hartfalen herkennen door de intervallen tussen hartslagen te analyseren.
De methode, ontwikkeld door de onderzoeksgroep Quantum Control and Dynamics onder leiding van professor Esa Räsänen, maakt gebruik van geavanceerde tijdreeksanalyse om patronen en afhankelijkheden in hartslagintervallen op verschillende tijdschalen te identificeren. Tests met internationale ECG-databases toonden een nauwkeurigheid van 90% aan bij het onderscheiden van hartfalen van andere aandoeningen.
Deze innovatie biedt een toegankelijke en betaalbare manier om hartfalen vroegtijdig te signaleren met consumentenapparaten zoals Apple- en Fitbit-horloges. Volgens onderzoeker Teemu Pukkila opent dit nieuwe mogelijkheden voor digitale gezondheidszorg en zelfmonitoring van hartpatiënten.
