AI czyta EKG w 2 sekundy. Widzi to, czego nie dostrzega kardiolog

Badanie elektrokardiograficzne (EKG) trwa chwilę i należy do najtańszych testów w medycynie. Naukowcy z Imperial College London postanowili sprawdzić, czy można wycisnąć z niego znacznie więcej, niż robią to ludzie. Efekt? System sztucznej inteligencji, który w niespełna dwie sekundy potrafi wychwycić symptomy niewydolności serca czy wad zastawek – często skuteczniej niż wyszkolony kardiolog analizujący ten sam wydruk.

Wyniki badań zaprezentowano podczas kongresu Europejskiego Towarzystwa Kardiologicznego w Monachium. Choć test EKG nie został zaprojektowany do wykrywania tego typu schorzeń, algorytm poradził sobie z zadaniem zaskakująco dobrze. W badaniu wzięło udział 67 tysięcy pacjentów ze Stanów Zjednoczonych.

Jak AI czyta sygnały, których nie widzi człowiek

Dr Ahmed El-Medany, pracownik naukowy British Heart Foundation na Imperial College, nie ma wątpliwości – mówi wprost o „superludzkiej sztucznej inteligencji”. Sedno sprawy nie polega jednak na magicznych zdolnościach maszyn, lecz na charakterze samego sygnału. Informacje o stanie serca są bowiem fizycznie obecne w zapisie EKG, ale ludzki mózg nie potrafi ich wiarygodnie wyodrębnić z tej samej krzywej.

Problem kliniczny, który rozwiązuje to narzędzie, ma w dużej mierze charakter organizacyjny. Profesor Fu Siong Ng, kardiolog z Imperial College, zwraca uwagę na realia systemu opieki zdrowotnej: pacjenci potrafią czekać kilka miesięcy na echo serca po skierowaniu od lekarza rodzinnego. W przypadku niewydolności serca takie opóźnienia bywają brzemienne w skutkach – choroba postępuje, a leczenie przynosi najlepsze efekty, gdy rozpoczyna się wcześnie. Czekając w kolejce, pacjent nie stoi w miejscu – jego stan się zmienia.

Triaging zamiast zastępowania specjalistów

Wykonanie echokardiogramu wymaga przeszkolonego sonografisty, specjalistycznego sprzętu i umówionej wizyty. EKG to natomiast dziesięć elektrod, pielęgniarka i kilka minut – dlatego ten test wykonuje się znacznie częściej. Pomysł badaczy opiera się na wykorzystaniu AI jako narzędzia do segregacji medycznej (triagingu), a nie jako zamiennika dla lekarzy.

Gdyby oprogramowanie potrafiło analizować już wykonywane EKG i wskazywać pacjentów z podwyższonym ryzykiem strukturalnych problemów serca, osoby te mogłyby trafiać na echo serca poza kolejnością. Zamiast przesuwać się wzdłuż listy oczekujących w tym samym tempie co wszyscy, otrzymywałyby priorytet. Dr Sonya Babu-Narayan, kardiolog konsultant z British Heart Foundation, podkreśla, że technologia taka jak AI-ECG może być rozwiązaniem pozwalającym szybciej kierować na badania osoby z największym prawdopodobieństwem nieprawidłowości.

Istotnym argumentem przemawiającym za skalowalnością tego podejścia są koszty. EKG należy do najtańszych i najbardziej rozpowszechnionych badań medycznych. Dodanie warstwy oprogramowania analizującego nagrania, które i tak są już zbierane, wymaga stosunkowo niewielkiej dodatkowej infrastruktury i nakładów finansowych.

Szerszy program badawczy i dane z Brazylii

Omawiane badanie to tylko wycinek większego przedsięwzięcia naukowego. Zespół profesora Nga trenował swoje modele na 1,6 miliona zapisów EKG z Brazylii, powiązanych z historiami chorób pacjentów, oraz na kilku milionach dodatkowych nagrań ze Stanów Zjednoczonych. Program wykracza daleko poza niewydolność serca i wady zastawek – algorytmy testowano również pod kątem wykrywania zawałów, arytmii, a nawet schorzeń spoza kardiologii, takich jak cukrzyca czy choroby nerek.

W przypadku chorób serca naukowcy raportują skuteczność na poziomie 83–93%, a dla pozostałych schorzeń 70–80%. Kluczową rolę w tych pracach odgrywa brazylijski zbiór danych. Zapisy EKG są tam powiązane z tym, co przydarzyło się pacjentom później. Dzięki temu modele uczą się, które wzorce w zapisie korelowały z diagnozami postawionymi w przyszłości – zamiast jedynie rozpoznawać schorzenia już zidentyfikowane w momencie wykonywania testu.

Droga od kongresu do szpitala i plany na przyszłość

Projekt opuścił już mury uczelni. Prace finansowane przez British Heart Foundation są komercjalizowane przez firmę wydzieloną o nazwie Cardiovolt.ai. Profesor Ng pełni w niej rolę dyrektora medycznego, a dr Arunashis Sau – dyrektora naukowego. Kolejny deklarowany krok zespołu obejmuje nie tylko oprogramowanie, ale i sprzęt. Przenośne urządzenia EKG z wbudowaną AI mogłyby docelowo wynieść tę technologię poza szpitale, do miejsc, gdzie wykonanie badania jest prostsze. To jednak zmieniłoby też charakter systemu – z narzędzia pomagającego klinicystom priorytetyzować istniejących pacjentów na rozwiązanie potencjalnie identyfikujące osoby, które nie otrzymały jeszcze skierowania na dalsze testy.

W Wielkiej Brytanii pozostaje nierozwiązana kwestia regulacyjna dla tego typu technologii. Kraj ma silny akademicki pipeline dla kardiologicznego deeptechu, ale przejście od wyniku zaprezentowanego na kongresie medycznym do rutynowego stosowania w szpitalach wymaga osobnego procesu walidacji klinicznej i zatwierdzenia przez organy regulacyjne. Obecny system nie przeszedł jeszcze tej ścieżki. Narzędzie AI wskazujące pacjentów do dalszej diagnostyki formułuje bowiem twierdzenia kliniczne, co oznacza konieczność spełnienia wymogów dla wyrobów medycznych przed wdrożeniem na szeroką skalę w brytyjskiej służbie zdrowia.

Należy też pamiętać o różnicy między prezentacją wyników na kongresie a dowodami z codziennej praktyki klinicznej. Badanie sugeruje, że informacje o niewydolności serca i wadach zastawek można wydobyć z EKG, które nie zostało zaprojektowane do wykrywania tych stanów. Nie pokazuje jednak jeszcze, czy wykorzystanie tych informacji w rzeczywistych warunkach klinicznych przekłada się na wcześniejsze leczenie i lepsze wyniki pacjentów. To naturalny kolejny krok – zanim superludzka AI na dobre zagości w gabinetach lekarskich.