Bij patiënten die symptomen vertonen die kunnen wijzen op een hartaandoening wordt vaak een hartfilmpje (ECG) gemaakt. In sommige gevallen kan aan de hand van een kortdurend ECG echter geen definitieve of eenduidige diagnose gesteld worden. Dan kan gekozen worden voor een zogenoemd lange termijn ECG. Daarbij wordt over een periode van meerdere dagen een hartfilmpje, of beter gezegd ‘film’ gemaakt. Het analyseren van een lange termijn ECG is, door de grote hoeveelheid data, een tijdrovende en intensieve klus. AI, zo blijkt uit een recent internationaal onderzoek, kan dit proces versnellen, en tegelijkertijd de nauwkeurigheid van de diagnoses verbeteren.
Voor het internationale onderzoek werd een AI-model getest dat in staat is om lange termijn ECG’s te analyseren. Doel was niet alleen om te achterhalen of het AI-model een oplossing kan bieden voor het tekort aan personeel, maar ook of het positieve gevolgen heeft voor de kwaliteit van de gestelde diagnoses. Over dat laatste konden de onderzoekers kort zijn. Met behulp van de AI-tool bleek het aantal gemiste diagnoses met een factor 14 af te nemen. Het onderzoek werd geleid door Linda Johnson, universitair hoofddocent cardiovasculaire epidemiologie aan de Universiteit van Lund in Zweden. Dat deed zij samen met Jeff Healey, senior wetenschapper bij het Population Health Research Institute, een gezamenlijk instituut van McMaster University en Hamilton Health Sciences in Canada. De bevindingen zijn gepubliceerd in Nature Medicine.
200.000 dagen aan ECG-data
Het onderzoek omvatte 14.606 individuele patiënten die gemiddeld 14 dagen ECG hadden geregistreerd; in totaal meer dan 200.000 dagen aan ECG-gegevens. Deze gegevens werden beoordeeld door ECG-technici met behulp van standaard klinische methodologie. Dezelfde gegevens werden vervolgens opnieuw geanalyseerd met behulp van een AI-algoritme ('DeepRhythmAI') dat speciaal voor deze taak is ontwikkeld door MEDICALgorithmics, Polen.
'We selecteerden vervolgens willekeurig meer dan 5.000 episodes van aritmieën voor intensieve, slag-voor-slag-analyse door 17 panels van deskundige artsen (voornamelijk cardiologen en elektrofysiologen) van over de hele wereld, wat een extreem hoogwaardige gouden standaarddiagnose opleverde waarmee we vervolgens de ECG- en AI-algoritme-interpretatie vergeleken,' zegt Johnson.
14 keer minder gemiste diagnoses
De onderzoekers ontdekten dat bij lange termijn ECG’s die door de AI-tool geanalyseerd werden, het aantal gemiste diagnoses met een factor 14 daalde. Diagnoses zoals ernstige aritmieën, waaronder complete hartblokkade, ventriculaire tachycardie en atriumfibrillatie. Het aantal gemiste diagnoses van ernstige aritmieën lag met de AI-analyse op slechts 0,3 procent. Bij de klinici lag dat percentage met 4,4 procent een flink stuk hoger.
Het was echter geen doel van de onderzoekers om te bewijzen dat AI net zo goed of beter is dan cardiologen voor de diagnose van specifieke aritmieën. Wanneer uit het onderzoek zou blijken dat AI met succes ingezet kan worden, dan zou dit een belangrijke innovatie zijn die het wereldwijde tekort aan getraind personeel dat in staat is om ECG-bewaking op de lange termijn te interpreteren, zou kunnen aanpakken.
"Er is wereldwijd een tekort van ongeveer 15 miljoen gezondheidswerkers. Ambulante ECG's moeten worden geanalyseerd door speciaal opgeleid personeel, vaak ECG-technici genoemd. Gebrek aan personeel is een groot knelpunt in de gezondheidszorg wereldwijd, en tegelijkertijd zouden patiënten er baat bij hebben als we meer en langere ambulante ECG-opnames zouden maken, niet kortere”, aldus Johnson.
AI diagnostiek
De meerwaarde die AI-tools en -algoritmen hebben voor het verbeteren van de diagnostiek en het ondersteunen van (overbelaste) zorgprofessionals heeft de afgelopen jaren al tot diverse veelbelovende oplossingen geleid. Zo bleek uit een ander recent onderzoek dat met behulp van een op AI gebaseerd computerprogramma aangeboren hartafwijkingen nauwkeuriger en beter gediagnosticeerd kunnen worden.
Vorig jaar slaagden onderzoekers uit Irak en Australië erin een AI-algoritme te ontwikkelen dat met 98 procent nauwkeurigheid verschillende ziektes kan diagnosticeren aan de hand van foto’s van de kleur van de tong. Denk aan diabetes, beroerte, bloedarmoede, astma, lever- en galblaasaandoeningen, COVID-19 en een reeks vasculaire en gastro-intestinale aandoeningen.
