Het op AI gebaseerde leermodel is ontwikkeld met behulp van een diep neuraal netwerk en 115.505 ambulante ECG-opnames die zijn verzameld bij onafhankelijke diagnostische testfaciliteiten in vijf landen. Het model werd vervolgens retrospectief gevalideerd met behulp van retrospectieve 14-daagse ambulante ECG-opnamen (2019-2023) om te bepalen ventriculaire tachycardie.
Ventriculaire tachycardie voorspellen
Onderzoekers bestudeerden vervolgens het vermogen van het algoritme om met gegevens van de eerste 24 uur dat de patiënt gemonitord werd de kans te voorspellen dat aanhoudende ventriculaire tachycardie (VT), die langer dan 30 seconden duurt, binnen twee weken zal optreden.
Op de interne validatiedataset behaalde het model een AUC van 0,939 met een sensitiviteit van 83,3% en een specificiteit van 88,7%. Op de externe validatiedataset was de AUC 0,911 met een sensitiviteit en specificiteit van respectievelijk 78,9% en 81,4%. Het model voorspelde het optreden van VT correct in 88% van de holters met snelle VT (≥180 bpm). Het referentiemodel onthulde een interne validatie-AUC van 0,833.
"Voorspellende biomarkers kunnen vroege risicodetectie, verbeterde patiëntbewaking en verbeterd patiëntenbeheer mogelijk maken, wat bijdraagt aan betere resultaten. Door AI aangestuurde digitale biomarkers kunnen bovendien ook meehelpen de hartzorg verder te transformeren van reactieve naar preventie geneeskunde", aldus Manish Wadhwa, Hoofd Medische Dienst, Ambulante Monitoring & Diagnostiek bij Philips.
Meer informatie over het onderzoek, getiteld Near-Term Prediction of Life-Threatening Ventricular Arrhythmias using Artificial Intelligence-Enabled Single Lead Ambulatory ECG, is te vinden in deze
publicatie van de Heart Rhythm Society.
De potentie van AI
Eerdere onderzoeken naar het inzetten van AI-modellen binnen de cardiologie hebben ook al aangetoond dat deze nieuwe technologie van grote waarde kan zijn bij het in een vroegtijdig detecteren of voorspellen van aandoeningen zoals atriumfibrilleren (AFib). Zo
ontwikkelden Duitse wetenschappers in 2021 een nieuwe generatie AI-chips die in de toekomst gebruikt kunnen worden voor de vroegtijdige detectie van atriale fibrillatie, of boezemfibrilleren.
Een ander goed voorbeeld van de potentie die AI biedt voor hartzorg en diagnostiek is de studie die het HagaZiekenhuis vorig jaar
startte met Fitbit. In een pilotstudie wordt met behulp van AI-modellen gezocht naar aanwijzingen voor het ontstaan van hartfalen voordat de eerste symptomen zich aandienen. Daarvoor wordt gebruikt gemaakt van grote hoevelen gezondheidsdata die verzameld wordt met Fitbit wearables. De verzamelde gezondheidsdata worden, met toestemming van de deelnemers en volledig geanonimiseerd, opgeslagen in de Google Cloud. Vervolgens wordt de data met behulp van een AI-algoritme geanalyseerd op aanwijzingen voor (toekomstig) hartfalen.
