AI dostrzega ukrytego zabójcę w EKG. Ten biomarker umykał kardiologom od dekad

Czy można zapobiec śmierci, która przychodzi bez ostrzeżenia? Setki tysięcy ludzi rocznie umiera z powodu nagłego zatrzymania krążenia, często nie wiedząc, że są w grupie ryzyka. Opublikowane właśnie badanie w Nature dowodzi, że klucz do przewidywania tego zdarzenia od lat leżał ukryty w standardowym zapisie EKG.

Frakcja wyrzutowa zawodzi

→ Czytaj też: Największy otwarty model AI ma 2,8 biliona parametrów. Chiny rzucają wyzwanie USA

Od dekad kardiolodzy polegają na jednym podstawowym wskaźniku przy podejmowaniu decyzji o wszczepieniu kardiowertera-defibrylatora – frakcji wyrzutowej lewej komory (LVEF). Pomiar ten jest jednak skrajnie niedoskonały. Zespół pod kierownictwem Ziada Obermeyera wykazał, że LVEF przeocza większość przypadków nagłej śmierci sercowej. Co więcej, dwie trzecie wszczepionych defibrylatorów nigdy nie oddaje ratującego życia wyładowania – pacjenci przechodzą kosztowną procedurę, nie czerpiąc z niej żadnych korzyści.

To medyczny paradoks. Mamy technologię, która może przerwać śmiertelną arytmię. Nie potrafimy jednak wskazać, kto naprawdę jej potrzebuje.

Deep learning widzi więcej niż ludzkie oko

→ Czytaj też: AI rozszyfrowała śpiew ptaków. Co mówią nam od lat?

Obermeyer i współpracownicy postanowili postawić na głębokie uczenie. Wytrenowali model na populacyjnym zbiorze danych ze Szwecji, łączącym wszystkie elektrokardiogramy z jednego regionu z aktami zgonu i elektroniczną dokumentacją medyczną. Algorytm uczył się wyłącznie na surowych przebiegach EKG. Nie dostał żadnych wskazówek, na co ma patrzeć.

Efekt? Model wyodrębnił grupę wysokiego ryzyka stanowiącą 2,2% badanej próby, w której roczny odsetek nagłej śmierci sercowej wyniósł 7%. Dla porównania, pacjenci wytypowani na podstawie obniżonej LVEF (1,9% próby) mieli wskaźnik na poziomie 4,6%. Znamienny szczegół: 86,1% osób z grupy wysokiego ryzyka według AI nie zostało wychwyconych przez tradycyjny pomiar frakcji wyrzutowej. Inaczej mówiąc, algorytm odnalazł chorych, którzy dla standardowej diagnostyki byli niewidzialni.

Kształt fali, który zmienia reguły gry

Zespół nie poprzestał na predykcji. Naukowcy połączyli swój model klasyfikujący z modelem generatywnym, aby stworzyć syntetyczne EKG wysokiego ryzyka i zwizualizować morfologię fali, na której oparł się algorytm. W ten sposób odkryli biomarker – kształt w zapisie elektrycznym serca, który jest wyraźnie widoczny i precyzyjnie przewiduje nagły zgon, ale nigdy wcześniej nie został opisany w literaturze medycznej.

„Łącząc ten biomarker z elektrofizjologicznymi podstawami, tworzymy i wstępnie testujemy nową hipotezę dotyczącą mechanizmu nagłej śmierci sercowej” – komentują autorzy. Oznacza to, że sztuczna inteligencja nie tylko diagnozuje – ona podpowiada naukowcom, czego szukać.

Od Szwecji po Tajwan – dowody na skuteczność

Walidacja nie ograniczyła się do jednego kraju. Model przetestowano zewnętrznie w amerykańskim systemie opieki zdrowotnej, gdzie przewidywał komorowe zaburzenia rytmu prowadzące do zgonu. Następnie sprawdzono go w tajwańskim rejestrze szpitalnym, gdzie specyficznie prognozował przyszłe arytmiczne zatrzymania krążenia. W obu przypadkach wyniki potwierdziły uniwersalność odkrytego biomarkera.

Dodatkowych potwierdzeń dostarcza analiza pacjentów z wszczepionymi defibrylatorami. Osoby z kohorty wysokiego ryzyka według AI, które otrzymały urządzenie, miały o 54,4% mniejszą śmiertelność niż oczekiwano. Wskazuje to na realną korzyść z interwencji u właściwie wybranych chorych.

Badanie to podważa kliniczną rutynę. Tanie, powszechnie dostępne EKG analizowane przez algorytm może zastąpić lub uzupełnić znacznie droższe i mniej precyzyjne metody. Jeśli odkryty biomarker wejdzie do praktyki klinicznej, lista pacjentów kierowanych na wszczepienie defibrylatora może ulec radykalnej zmianie. Ci, których dziś odsyłamy do domu z poczuciem bezpieczeństwa, mogą wreszcie otrzymać realną szansę na ochronę.