Analizom stotina tisuća EKG zapisa znanstvenici su otkrili dosad nepoznat obrazac koji bi liječnicima mogao pomoći u prepoznavanju pacijenata s povećanim rizikom.
Ljudsko srce tijekom dana otkuca približno 100.000 puta, no ponekad se njegov rad može iznenada zaustaviti. Iznenadna srčana smrt, koja se definira kao neočekivana smrt uzrokovana srčanim problemom unutar jednog sata, odgovorna je za značajan udio smrtnih slučajeva u svijetu.
Iako ugradbeni defibrilatori mogu prepoznati i ispraviti opasne poremećaje srčanog ritma, jedan od najvećih izazova jest pravodobno utvrditi kojim su pacijentima potrebni. Novo istraživanje pokazuje da bi u tome mogla pomoći umjetna inteligencija, koja je analizom EKG zapisa prepoznala dosad nepoznate obrasce povezane s povećanim rizikom od iznenadne srčane smrti.
Postojeća metoda propušta velik broj rizičnih pacijenata
Liječnici trenutačno za procjenu rizika često koriste mjerenje ejekcijske frakcije lijeve klijetke (LVEF), kojim se utvrđuje koliko krvi lijeva klijetka izbaci pri svakom otkucaju srca. No ta metoda ima ograničenja: ne prepoznaje velik broj pacijenata koji će poslije doživjeti iznenadnu srčanu smrt, a istodobno kao visokorizične označava i neke kojima defibrilator zapravo neće biti potreban.
Kako bi pronašli učinkovitiji način procjene rizika istraživači su razvili model dubokog učenja koji analizira električnu aktivnost srca. Za njegovo treniranje upotrijebili su više od 440.000 EKG zapisa iz Švedske, a potom su ga testirali na podacima gotovo 140.000 pacijenata iz SAD-a te na manjoj skupini pacijenata s Tajvana.
Prednost takvog pristupa jest što je EKG relativno jednostavna, neinvazivna i cjenovno dostupna pretraga. Električna aktivnost srca bilježi se pomoću elektroda postavljenih na kožu, a dobiveni zapis umjetna inteligencija može analizirati i tražiti obrasce koje ljudsko oko možda ne bi prepoznalo.
Rezultati su pokazali da je umjetna inteligencija u švedskom uzorku izdvojila 2,2 posto pacijenata kao visokorizične. U toj je skupini čak sedam posto pacijenata doživjelo iznenadnu srčanu smrt tijekom sljedeće godine.
Usporedbe radi, postojećom metodom mjerenja ejekcijske frakcije kao visokorizično je prepoznato 1,9 posto ispitanika, a kod njih je stopa iznenadne srčane smrti unutar godine dana iznosila 4,6 posto.
Posebno je važno što se skupine koje su izdvojile dvije metode uglavnom nisu preklapale. Naime, postojeća metoda nije prepoznala čak 86,1 posto visokorizičnih pacijenata koje je identificirala umjetna inteligencija.

Uočili su i dosad nepoznat znak na EKG-u
Istraživači su otkrili i dodatno obilježje koje bi moglo biti važno za procjenu rizika. Analizom električnih obrazaca na EKG zapisima umjetna inteligencija izdvojila je dosad neopisan oblik vala, nazvan slurred downstroke, odnosno karakteristično zamućen silazni dio vala.
Znanstvenici smatraju da bi takav obrazac mogao upućivati na promjene u srčanom mišiću, primjerice fibrozu, odnosno stvaranje ožiljnog tkiva. Takve promjene mogu ometati prijenos električnih impulsa kroz srce i povećati rizik od opasnih poremećaja srčanog ritma.
Dodatnu važnost otkriću daje podatak da su visokorizični pacijenti koje je identificirala umjetna inteligencija, a koji su imali ugrađen defibrilator, imali 54,4 posto nižu stopu iznenadne srčane smrti od statistički očekivane. To upućuje na mogućnost da bi se pravodobnim prepoznavanjem takvih pacijenata dio smrtnih slučajeva mogao spriječiti.
Ipak, autori upozoravaju da je riječ o opservacijskom istraživanju, pa se na temelju rezultata ne može zaključiti da je upravo ugradnja defibrilatora uzrokovala smanjenje smrtnosti. Potrebna su dodatna istraživanja kako bi se potvrdila učinkovitost ove metode i utvrdilo može li se primijeniti u svakodnevnoj kliničkoj praksi.
Koliko je otkriće zanimljivo pokazuje i komentar Changxina Laija, biomedicinskog inženjera sa Sveučilišta Johns Hopkins, koji nije sudjelovao u istraživanju, ali je napisao osvrt na njegove rezultate.
– EKG se u kliničkoj praksi očitava već više od stoljeća, a ovo istraživanje pokazuje da čak i podaci koji su dosad bili opsežno proučavani mogu sadržavati neprepoznate informacije – ističe Lai.
Istraživanje tako pokazuje da umjetna inteligencija ne mora služiti samo za analizu postojećih medicinskih podataka i predviđanje rizika, već može pomoći i u otkrivanju dosad nepoznatih pokazatelja bolesti.
