Η χρήση της τεχνητής νοημοσύνης στην ανάλυση ECG
Η εφαρμογή της τεχνητής νοημοσύνης (AI) στην ανάλυση ηλεκτροκαρδιογραμμάτων (ECG) έχει αποδείξει ότι μπορεί να βελτιώσει την ανίχνευση σοβαρών εμφραγμάτων του μυοκαρδίου, συμπεριλαμβανομένων εκείνων που εμφανίζονται με μη συμβατικά συμπτώματα ή ασυνήθιστους ECG τύπους. Αυτή η τεχνολογία μειώνει επίσης τα ψευδώς θετικά αποτελέσματα, όπως αποδεικνύει μελέτη που δημοσιεύθηκε στο JACC: Cardiovascular Interventions και παρουσιάστηκε ταυτόχρονα στο TCT 2025 στο Σαν Φρανσίσκο.
Σημαντικότητα της γρήγορης ανίχνευσης εμφραγμάτων
Ο εμφραγματικός τύπος ST-segment elevation myocardial infarction (STEMI) είναι μια σοβαρή κατάσταση όπου μια κύρια στεφανιαία αρτηρία μπλοκάρεται, εμποδίζοντας τη ροή αίματος προς τον καρδιακό μυ. Η γρήγορη αποκατάσταση της ροής του αίματος, ή αλλιώς η επαναγγείωση, μέσω διαδερμικής στεφανιαίας παρέμβασης είναι η τυπική θεραπεία. Ωστόσο, οι καθυστερήσεις στην επίτευξη του χρόνου επαναγγείωσης που προτείνουν οι κατευθυντήριες γραμμές παραμένουν, ειδικά σε νοσοκομεία και κέντρα που δεν ειδικεύονται στην PCI και σε αγροτικές περιοχές. Ο χρόνος επαναγγείωσης μεγαλύτερος από 90 λεπτά συνδέεται με τριπλάσια ποσοστά θνησιμότητας.
Αξιολόγηση του AI στην κλινική πράξη
Η ερμηνεία ECG με τη βοήθεια AI μπορεί να συνδυάσει τα καλύτερα στοιχεία και των δύο κόσμων – να εντοπίζει έγκαιρα τις πραγματικές καρδιοπάθειες, ενώ ταυτόχρονα μειώνει τις περιττές ενεργοποιήσεις. Η βελτίωση της ακρίβειας της τριχοτόμησης κατά την πρώτη ιατρική επαφή μπορεί να απλοποιήσει την επείγουσα φροντίδα, να μειώσει την κόπωση και την πίεση στις κλινικές ομάδες, και να διασφαλίσει ότι οι ασθενείς που χρειάζονται πραγματικά επείγουσα παρέμβαση την λαμβάνουν χωρίς καθυστέρηση.
Σε μία από τις πρώτες μεγάλες, πραγματικές αξιολογήσεις ενός μοντέλου ECG βασισμένου σε AI για την τριχοτόμηση STEMI σε επείγουσες καταστάσεις, οι ερευνητές εξέτασαν αναδρομικά 1,032 ασθενείς με υποψία STEMI που ενεργοποίησαν πρωτόκολλα επείγουσας επαναγγείωσης. Τα δεδομένα προήλθαν από τρία γεωγραφικά διαφορετικά κέντρα PCI μεταξύ Ιανουαρίου 2020 και Μαΐου 2024. Κάθε αρχικό ECG του ασθενούς αναλύθηκε από το μοντέλο ECG STEMI AI (Queen of Hearts), το οποίο εκπαιδεύτηκε να ανιχνεύει οξεία στεφανιαία απόφραξη, συμπεριλαμβανομένων των ισοδύναμων STEMI και να διακρίνει από καλοήθεις μιμήσεις.
Η αγγειογραφία και οι βιοδείκτες επιβεβαίωσαν ότι 601 (58%) ήταν STEMIs και 431 (42%) ήταν ψευδώς θετικά. Το μοντέλο AI ECG παρουσίασε καλύτερα αποτελέσματα από την τυπική τριχοτόμηση, ανιχνεύοντας 553 από τα 601 επιβεβαιωμένα STEMIs, σε σύγκριση με 427 που ανιχνεύθηκαν από την τυπική τριχοτόμηση στο αρχικό ECG. Η ψευδής θετική αναλογία του AI ECG ήταν 7.9% σε σύγκριση με 41.8% της τυπικής τριχοτόμησης, αντιπροσωπεύοντας μείωση πέντε φορές.
Αυτά τα αποτελέσματα υποδεικνύουν ότι η διάγνωση STEMI με τη βοήθεια AI κατά την πρώτη ιατρική επαφή έχει τη δυνατότητα να μειώσει τον χρόνο θεραπείας και να ελαχιστοποιήσει τις ψευδείς ενεργοποιήσεις. Ωστόσο, είναι σημαντικό να ερμηνεύεται το μοντέλο AI με προσοχή, καθώς αναπτύχθηκε αρχικά για την ανίχνευση αποφραγμένων αρτηριών και απαιτεί περαιτέρω προοπτική επικύρωση σε διάφορους πληθυσμούς ασθενών.
