Laatste nieuws
Wetenschap

AI-algoritme ziet aanwijzingen voor atriumfibrilleren in sinusritme

2 reacties
Getty Images
Getty Images

Kunstmatige intelligentie (AI) kan helpen bij het analyseren van ecg’s om atriumfibrilleren te herkennen. Terwijl op die geanalyseerde ecg’s sprake is van een sinusritme. Onderzoeker Jeroen Hendriks spreekt van een mogelijke paradigmashift.

Atriumfibrilleren blijft nogal eens ongediagnosticeerd, omdat deze ritmestoornis vaak komt en gaat. In dergelijke gevallen kan een 24-uurs- of zelfs langduriger monitoring van het hartritme nodig zijn om de diagnose te stellen. Kunstmatige intelligentie kan helpen bij het maken van een schifting, blijkt uit onderzoek van Zachi Attia e.a., waarover zij rapporteerden  in The Lancet.

Zij ontwikkelden een AI-ecg-systeem waarin zij meer dan 450 duizend ecg’s invoerden. Het ging om ecg’s die tussen 1993 en 2017 in één centrum bij volwassenen waren gemaakt, en waarbij sprake was van een sinusritme. Bij een deel van de patiënten was ooit atriumfibrilleren (AF) gezien op een ecg. Het systeem ‘leerde’ de ecg’s te lezen om zo onderscheid te maken tussen patiënten die wel of niet ooit een episode AF hadden doorgemaakt. Vervolgens werd dit op 64 duizend ecg’s gevalideerd, en bij nog 130 duizend ecg’s getest. Het systeem had een sensitiviteit van 79 procent, en een specificiteit van 80 procent.

De theorie achter het ontdekken van AF terwijl op het ecg sprake is van een sinusritme, is dat er sprake is van structurele veranderingen in het hart die samenhangen met de kans op AF. Dat zou zich vertalen in subtiele wijzigingen in het ecg. Eerder onderzoek daarnaar heeft ook wel correlaties aangetoond tussen bepaalde kenmerken (zoals PR-interval en vorm van de P-top) en AF, maar de voorspellende waarde van die factoren was te laag om klinische waarde te hebben. Met AI kunnen kleine veranderingen, die moeilijk zichtbaar zijn voor mensenogen, met elkaar samen beter voorspellen.

‘De opbrengst van het onderzoek is bijzonder te noemen’, zegt Jeroen Hendriks, onderzoeker aan het Centre for Heart Rhythm Disorders, Universiteit van Adelaide (Australië). Hendriks schreef samen met Larissa Fabritz een commentaar bij de studie en spreekt over een mogelijke paradigmashift: ‘Met AI enabled ecg gaan we van zoeken naar de speld in de hooiberg – langdurig monitoren in de hoop AF te vangen – naar kijken naar de vorm van de hooiberg om te bepalen of er een speld in zit. Anders gezegd: men kan aan de hand van het ecg in sinusritme zien of AF heeft plaatsgevonden.’ Dat is bijvoorbeeld van belang bij patiënten die een herseninfarct hebben ondergaan, zonder dat er een oorzaak is gevonden, zegt Hendriks: ‘Als we met deze methode snel kunnen vaststellen dat er AF heeft plaatsgevonden, kunnen we eerder preventieve maatregelen nemen om een nieuw infarct te voorkomen.’

Wat Hendriks betreft wordt het nog interessanter als verdere ontwikkeling van de AI-ecg het mogelijk maakt om AF te voorspellen. Hendriks: ‘Dan komen we in de buurt van primaire preventie, voorkómen van AF, wat revolutionair zou zijn.’ In die richting denken ook de auteurs van de studie, die bijvoorbeeld voor zich zien dat dokters in de toekomst bepaalde risicogroepen– zoals mensen met hypertensie– zouden kunnen screenen met een dergelijke ecg.

De studie van Attia e.a. kent beperkingen: zo zijn er ecg’s gebruikt van patiënten bij wie er een klinische aanleiding was om een hartfilmpje te laten maken. Deze zijn niet te vergelijken met ecg’s van de algemene bevolking. Ook kan het niet anders dan dat er patiënten waren bij wie nooit een AF is gevangen op een ecg, terwijl zij dat wel hadden doorgemaakt. Het kan dus zijn dat een deel van de fout-positieve uitkomsten (het AI-ecg komt op AF uit, maar het dossier zegt van niet) eigenlijk terecht-positief was. Voordat AI-ecg in de praktijk wordt toegepast, zal de techniek eerst op andere populaties, in een prospectieve studie moeten worden geëvalueerd.

The Lancet, 2019 https://www.healio.com/cardiology/arrhythmia-disorders/news/online/%7B06f3bddf-031d-4aee-97b2-af8aca507cd2%7D/ai-may-identify-af-in-patients-during-normal-sinus-rhythm aee-97b2-af8aca507cd2%7D/ai-may-identify-af-in-patients-during-normal-sinus-rhythm


Lees ook

Wetenschap cardiologie atriumfibrilleren
  • Sophie Broersen

    Sophie Broersen was journalist bij Medisch Contact van 2008 tot 2021. Na haar studie geneeskunde en huisartsopleiding ging zij als journalist aan de slag. Bij Medisch Contact schreef zij over geneeskunde en zorg in de volle breedte: van wetenschap tot werkvloer, van arts-patiëntrelatie tot zorg over de grens. Samen met de juristen van de KNMG becommentarieerde zij tuchtzaken. Na haar journalistieke carrière is zij in 2021 weer als arts gaan werken.  

Op dit artikel reageren inloggen
Reacties
  • Thomas

    Coassistent, Eindhoven

    Met een sensitiviteit en specificiteit van respectievelijk 79 en 80 procent is deze techniek natuurlijk totaal ongeschikt als screenende test. Bij een prevalentie van 10% in de te onderzoeken populatie zou deze test een positieve en negatieve voorspe...llende waarde hebben die gelijk is aan die van het opgooien van een muntje.

  • W.J.Duits

    Bedrijfsarts, Houten

    Algoritmes zijn afhankelijk van wat je in een systeem stopt. We zullen ook zelf moeten blijven denken. Algoritmes kunnen ook een nieuwe religie worden.

 

Cookies op Medisch Contact

Medisch Contact vraagt u om cookies te accepteren voor optimale werking van de site, kwaliteitsverbetering door geanonimiseerde analyse van het gebruik van de site en het tonen van relevante advertenties, video’s en andere multimediale inhoud. Meer informatie vindt u in onze privacy- en cookieverklaring.