Forskare vid Icahn School of Medicine vid Mount Sinai i New York har utvecklat en banbrytande AI-modell som kan förändra hur vi upptäcker dolda hjärtfel. Genom att analysera vanliga EKG-resultat kan tekniken identifiera hypertrofisk kardiomyopati (HCM) – en sjukdom som ofta förblir oupptäckt tills det är för sent.
Hypertrofisk kardiomyopati är en ärftlig sjukdom där hjärtmuskeln blir onormalt tjock, vilket gör det svårare för hjärtat att pumpa blod. Det är en av de vanligaste orsakerna till plötsligt hjärtstopp hos unga människor och idrottare. Problemet är att sjukdomen ofta inte uppvisar några tydliga symptom, och de elektriska förändringar som syns på ett standard-EKG är ofta så subtila att de missas vid en vanlig läkarkontroll.
Ser mönster som människan missar
Den nya AI-modellen, som har utvecklats av forskarteamet vid det amerikanska universitetssjukhuset Mount Sinai, använder djupinlärning för att tolka data från 12-avlednings-EKG. Genom att ha tränats på omfattande datamängder från Mount Sinai Health System kan AI-algoritmen identifiera komplexa mönster och avvikelser i hjärtats elektriska aktivitet som är osynliga för det mänskliga ögat.
I en studie nyligen publicerad i Journal of the American College of Cardiology visade modellen en imponerande förmåga att skilja mellan patienter med HCM och friska individer. Detta är särskilt viktigt då den nuvarande standardmetoden för diagnos, ekokardiografi (ultraljud av hjärtat), är både dyrare och mer tidskrävande än ett enkelt EKG.
Ett kraftfullt verktyg för tidig screening
Enligt forskarna kan denna teknik fungera som ett effektivt screeningsverktyg inom primärvården. Om en patient genomför ett vanligt EKG av andra skäl, skulle AI-modellen i bakgrunden kunna flagga för potentiell HCM, vilket leder till att patienten remitteras vidare till specialistvård betydligt tidigare än vad som sker idag.
”Vår studie visar att AI kan förvandla ett av de äldsta och mest kostnadseffektiva diagnostiska verktygen vi har till ett kraftfullt precisionsinstrument,” konstaterar forskarna i rapporten.
Framtidens medicinska diagnostik
Genombrottet är ytterligare ett exempel på hur artificiell intelligens integreras allt mer i den moderna medicinen. Istället för att ersätta läkare fungerar tekniken som ett avancerat beslutsstöd som kan hantera stora mängder data och hitta samband som tidigare var dolda.
För patienter med HCM innebär detta hopp om en säkrare framtid. Med en tidig diagnos kan livsstilsförändringar, medicinering eller kirurgiska ingrepp sättas in för att förhindra allvarliga komplikationer och plötsliga dödsfall. Nästa steg för forskarteamet vid Mount Sinai är att testa modellen i större, kliniska miljöer för att säkerställa dess tillförlitlighet i olika patientgrupper globalt.