Použití umělé inteligence (AI) k analýze elektrokardiogramů (EKG) zlepšilo detekci těžkých srdečních záchvatů, včetně těch, které vykazovaly nekonvenční příznaky nebo atypické EKG vzory, a snížilo falešně pozitivní výsledky, podle studie zveřejněné v JACC: Kardiovaskulární intervence a současně představena na TCT 2025 v San Franciscu.
Infarkt myokardu s elevací ST segmentu (STEMI) je závažný typ srdečního záchvatu, při kterém je blokována hlavní koronární tepna, což brání průtoku krve do srdečního svalu. Rychlé obnovení průtoku krve nebo reperfuze pomocí perkutánní koronární intervence je standardem péče; stále však přetrvávají zpoždění v dosažení doporučené doby do reperfuze, zejména v nemocnicích a centrech, které se nespecializují na PCI, a ve venkovských oblastech. Doba do reperfuze delší než 90 minut je spojena s trojnásobně vyšší úmrtností.
Interpretace EKG řízená umělou inteligencí může přinést to nejlepší z obou světů – včas identifikovat skutečné infarkty a zároveň omezit zbytečné aktivace. Zlepšení přesnosti třídění při prvním lékařském kontaktu může zefektivnit pohotovostní péči, snížit únavu a zátěž klinických týmů a zajistit, že pacienti, kteří skutečně potřebují naléhavou intervenci, ji obdrží bez prodlení.“
Robert Herman, MD, PhD, hlavní autor studie a kardiovaskulární výzkumník v nemocnici AZORG v Aalstu v Belgii
V jednom z prvních velkých skutečných hodnocení EKG modelu založeného na AI pro třídění STEMI v pohotovostním prostředí vědci retrospektivně sledovali 1 032 pacientů s podezřením na STEMI, kteří spustili nouzové reperfuzní protokoly. Data pocházela ze tří geograficky odlišných primárních PCI center mezi lednem 2020 a květnem 2024. Počáteční EKG každého pacienta bylo podrobeno analýze STEMI AI ECG Model (Queen of Hearts) vyškoleným k detekci akutní koronární okluze, včetně ekvivalentů STEMI a odlišení od benigních mimik.
Angiografie a biomarkery potvrdily, že 601 (58 %) bylo STEMI a 431 (42 %) bylo falešně pozitivních. Model AI EKG si vedl lépe než standardní třídění, když na úvodním EKG detekoval 553 z 601 potvrzených STEMI vs. 427 detekovaných standardním tříděním. AI EKG mělo falešně pozitivní míru 7,9 % oproti 41,8 % u standardního třídění, což představuje pětinásobné snížení.
„Tyto výsledky naznačují, že diagnostika STEMI vylepšená umělou inteligencí při prvním lékařském kontaktu má potenciál zkrátit dobu léčby a snížit falešné aktivace,“ řekl Timothy D. Henry, MD, FACC, hlavní autor studie, vedoucí klinického výzkumu rodiny Carl a Edyth Lindnerových a lékařský ředitel Centra pro výzkum a vzdělávání Carl a Edyth Lindnerových v nemocnici The Christ v nemocnici The Christ. „Tato technologie může být zvláště cenná při optimalizaci přesunu pacientů se STEMI z center bez PCI, aby byla zajištěna včasná a vhodná péče.“
V doprovodném redakčním komentáři Mohamad Alkhouli, MD, MBA, kardiolog na Mayo Clinic, uvedl, že výzkumníci by měli být „pochváleni za vývoj operačního modelu umělé inteligence zaměřeného na řešení jednoho z nejsložitějších aspektů intervenční kardiologie, který je náchylný k chybám – aktivaci STEMI“.
Zdůraznil však, že model AI použitý ve studii by měl být interpretován s opatrností, protože byl původně vyvinut k detekci okludovaných tepen spíše než STEMI a vyžaduje další prospektivní validaci napříč různými populacemi pacientů.
„Skutečnou výzvou není samotný důkaz přesnosti, ale připravenost – integrovat, regulovat a interpretovat AI jako doplněk k lidskému úsudku, zejména ve vysoce sázkových a časově citlivých klinických podmínkách,“ řekl Alkhouli.
