AI-værktøjet EchoNext kan opdage skjulte hjertesygdomme

Et værktøj baseret på kunstig intelligens (AI) kan nu opdage skjulte hjertesygdomme ved hjælp af en rutineundersøgelse.

Hvert år forlader millioner af mennesker hospitalet uden at vide, at de har et alvorligt hjerteproblem. Ikke fordi lægerne er uopmærksomme. Ikke fordi de rigtige undersøgelser ikke findes. Men fordi de standardundersøgelser, som lægerne rutinemæssigt bruger, simpelthen ikke kan opdage mange typer strukturelle hjertesygdomme på egen hånd.

Et team af forskere ved Columbia University og NewYork-Presbyterian har muligvis fundet en måde at ændre dette på. De har udviklet et værktøj baseret på kunstig intelligens kaldet EchoNext, der læser data fra en rutinemæssig hjerteundersøgelse og påviser strukturelle hjertesygdomme med større nøjagtighed end menneskelige kardiologer. Denne undersøgelse blev offentliggjort i tidsskriftet Nature i juli 2025.

Hvad er strukturel hjertesygdom?

Strukturel hjertesygdom er fysiske problemer med hjertet – dets klapper, kamre, muskel eller de kar, der er direkte forbundet med det. Sygdommen omfatter tilstande som hjertesvigt, klapsygdom, pulmonal hypertension og alvorlig fortykkelse af hjertemusklen. Mange af disse tilstande kan, hvis de opdages tidligt, behandles med medicin eller kirurgi. Hvis de forbliver uopdagede, kan de være dødelige.

Den gyldne standard for diagnosticering af strukturel hjertesygdom er et ekkokardiogram – en ultralydsscanning af hjertet. Et ekkokardiogram giver lægerne et klart billede af hjertets struktur og funktion. Problemet er, at ekkokardiogrammer er dyre, kræver uddannede specialister til at udføre og fortolke dem, og ikke er tilgængelige overalt. På grund af disse barrierer bestiller læger normalt kun et ekkokardiogram, når en patient allerede viser symptomer, eller når de har en stærk mistanke om et problem.

Dette betyder, at et stort antal mennesker med strukturel hjertesygdom aldrig får den undersøgelse, der kunne afsløre deres tilstand. Forskning tyder på, at når der udføres systematisk ekkokardiografisk screening i lokalsamfund, bliver antallet af opdagede tilfælde af hjerteklapsygdom mere end fordoblet sammenlignet med rutinebehandling. Med andre ord kan op til halvdelen af alle tilfælde forblive uopdagede.

Elektrokardiogrammet er et udbredt værktøj, men har sine begrænsninger

Elektrokardiogrammet (EKG) er en anden type hjerteundersøgelse. Det måler hjertets elektriske aktivitet. Læger bruger EKG til at påvise unormale hjerterytmer, blokerede kranspulsårer og tidligere hjerteanfald. EKG er billigt, hurtigt, ikke-invasivt og tilgængeligt på næsten alle hospitaler og klinikker i verden. Læger udfører hundreder af millioner af EKG’er hvert år.

Men EKG’er har en velkendt begrænsning. I årtier har kardiologer vidst, at man ikke kan påvise strukturel hjertesygdom ud fra et elektrokardiogram alene. De elektriske signaler, som undersøgelsen registrerer, afslører ikke umiddelbart fysisk skade på hjerteklapper eller hjertemuskel. Som Dr. Pierre Elias, der ledede EchoNext-forskningen, udtrykte det: “Vi lærte alle på medicinstudiet, at man ikke kan påvise strukturel hjertesygdom ud fra et elektrokardiogram.”

EchoNext udfordrer denne antagelse.

Sådan fungerer EchoNext

EchoNext er en deep learning-model – en type kunstig intelligens, der lærer mønstre ud fra store datamængder. Forskere trænede denne model på mere end 1,2 millioner EKG–ekkokardiogram-par indsamlet fra over 230.000 patienter på otte hospitaler over en periode på 14 år. Ved at studere hvert EKG sammen med det tilhørende ekkokardiogram fra den samme patient lærte modellen at finde subtile mønstre i EKG-data, der svarer til strukturelle hjerteproblemer — mønstre, der er for svage og komplekse til, at det menneskelige øje kan opdage dem.

Denne model tager som input både den rå EKG-bølgeform og syv standardværdier, som lægerne allerede registrerer: alder, køn, atriefrekvens, ventrikelfrekvens, PR-intervallet, QRS-varigheden og det korrigerede QT-interval. Den genererer derefter en risikoscore, der fortæller lægerne, hvor sandsynligt det er, at patienten har en strukturel hjertesygdom.

Det er afgørende, at EchoNext ikke forsøger at erstatte ekkokardiogrammet. I stedet fungerer det som et smart filter. Det identificerer, hvilke patienter blandt de mange, der får rutinemæssige EKG’er, der har en risiko, der er høj nok til, at lægerne bør følge op med et ekkokardiogram. “EchoNext bruger grundlæggende den billigere test til at finde ud af, hvem der har brug for den dyrere ultralydsundersøgelse,” forklarede dr. Elias.

Hvad denne forskning fandt frem til

Resultaterne af denne undersøgelse var slående. I en direkte sammenligning med 13 kardiologer, der gennemgik 3.200 EKG’er, opnåede EchoNext en nøjagtighed på 77 %, sammenlignet med 64 % for kardiologerne. Selv når kardiologerne havde adgang til EchoNexts risikoscores til at hjælpe med at vejlede deres beslutninger, præsterede de stadig dårligere end den kunstige intelligensmodel, der arbejdede på egen hånd.

Forskerteamet gennemførte også EchoNext i det, de kaldte en “silent deployment” — de anvendte dette værktøj på næsten 85.000 patienter, der havde fået taget et EKG, men ikke tidligere havde fået foretaget et ekkokardiogram. Dette værktøj identificerede mere end 7.500 af disse patienter (ca. 9 %) som højrisikopatienter for udiagnosticeret strukturel hjertesygdom. Læger, der overvågede disse patienter i løbet af det følgende år, bekræftede, at EchoNext’s forudsigelser holdt stik, med en positiv prædiktiv værdi på 74 % blandt dem, der senere fik foretaget ekkokardiogrammer.

Forskerne validerede derefter EchoNext på fire uafhængige hospitalsystemer, herunder Cedars-Sinai, University of California San Francisco og Montreal Heart Institute. Denne model opretholdt en høj nøjagtighed på tværs af hospitaler med forskellige patientpopulationer og forskellige forekomster af strukturel hjertesygdom, hvilket tyder på, at dette værktøj fungerer pålideligt uden for det specifikke miljø, hvor det blev udviklet.

Rigtige patienter, rigtige resultater

EchoNext-forskerne delte tre specifikke tilfælde, hvor dette værktøj direkte førte til en livsomvæltende diagnose. I det første tilfælde påviste EchoNext svær aortastenose – en tilstand, hvor den hjerteklap, der styrer blodgennemstrømningen ud af hjertet, bliver farligt indsnævret – hos en patient, der ikke tidligere havde fået stillet en diagnose for strukturel hjertesygdom. Den pågældende patient gennemgik derefter en minimalt invasiv hjerteklapudskiftning, også kendt som transkateter-aortaklapudskiftning.

I det andet tilfælde påviste dette værktøj alvorlig mitralregurgitation – en tilstand, hvor blod lækker bagud mellem to hjertekamre. Patienten gennemgik efterfølgende en korrigerende hjerteklapoperation. I det tredje tilfælde påviste EchoNext hjertesvigt, og patienten modtog i sidste ende en hjertetransplantation. Hver af disse patienter havde gennemgået et rutinemæssigt EKG, uden at nogen havde mistanke om strukturel hjertesygdom. EchoNext fandt det, som det menneskelige øje overså.

Hvad betyder det for dig?

Hvis du nogensinde har fået taget et EKG på et hospital eller en klinik, har du allerede oplevet den type test, som EchoNext læser. Du havde ikke brug for en separat procedure, ekstra udstyr eller yderligere forberedelse. De samme data, som testen allerede genererer, kunne, med EchoNext kørende i baggrunden, advare din læge om, at du har brug for yderligere undersøgelse.

Dette er især vigtigt i miljøer, hvor der er mangel på kardiologer og ekkokardiografimaskiner – landdistriktshospitaler, lokalklinikker og sundhedssystemer i lavindkomstlande. Da EchoNext kører på standard EKG-data, kan det udvide rækkevidden af screening for hjertesygdomme til mennesker, der ellers aldrig ville få foretaget et ekkokardiogram.

Dr. Elias og hans team mener, at “EKG kombineret med kunstig intelligens har potentialet til at skabe et helt nyt screeningsparadigme.” Forskerne arbejder i øjeblikket på at gøre denne teknologi mere bredt tilgængelig og på at forbedre modellen yderligere, mens de træner den på yderligere patientdatasæt.

EchoNext er endnu ikke en del af standard klinisk behandling. Forskerne og deres institution – Columbia University – har indgivet en patentansøgning på algoritmen, og teamet arbejder på en bredere implementering. De har også frigivet et offentligt datasæt og en letvægtsversion af modellen for at understøtte yderligere forskning blandt forskere over hele verden.

Forskningsmiljøet har reageret med stor interesse. Andre teams bygger allerede videre på EchoNext-benchmarkdatasættet for at udvikle nye modeller, der kombinerer kunstig intelligens med statistiske metoder, med det formål at gøre resultaterne ikke kun nøjagtige, men også fortolkelige – så læger kan forstå, hvilke specifikke træk ved et EKG-signal der førte til en bestemt risikoscore.

Informationskilder:

1. Columbia University Irving Medical Center. Kan AI opdage skjulte hjertesygdomme?
2. ColumbiaDoctors / NewYork-Presbyterian. EchoNext: AI-værktøj finder skjulte strukturelle hjertesygdomme
3. NewYork-Presbyterian Advances in Cardiology. Undersøgelse viser, at AI-screeningsværktøj kan opdage strukturelle hjertesygdomme ved hjælp af EKG-data
4. News-Medical. AI-drevet EKG-model overgår læger i at opdage skjulte hjertesygdomme
5. Inside Precision Medicine. AI forvandler EKG’er til et effektivt screeningsværktøj for hjertesygdomme
6. ODSC / Open Data Science. AI-model opdager skjulte hjertesygdomme ud fra EKG’er og overgår kardiologer
7. Tidsskriftet Nature. Opdagelse af strukturelle hjertesygdomme ud fra elektrokardiogrammer ved hjælp af AI PhysioNet. EchoNext: Et datasæt til påvisning af ekkokardiogrambekræftet strukturel hjertesygdom ud fra EKG’er
8. American College of Cardiology. Transformative tendenser inden for kardiovaskulær medicin frem mod 2025
9. Healio. 2026: Det år, hvor vores værktøjskasse udvides inden for kardiologi