Log in om uw persoonlijke bookmarks op te kunnen slaan.
Overtroeft kunstmatige intelligentie de mens bij lezen ecg?
Onzichtbaar en toch te zien; kunstmatige intelligentie herkent onzichtbare hartziekten op een ecg. Onderzoekers van het Catharina Ziekenhuis in Eindhoven kijken nu of dit ook kan met beginnend hartfalen. Lukt dat, dan is, naast de patiënt, de huisarts daar enorm mee geholpen.
Er komt een patiënt bij de huisarts met klachten van vermoeidheid. Hij is een beetje kortademig, heeft wat minder eetlust en voelt zich depressief. Wat is er aan de hand? De klachten passen bij allerlei ziekten, dus waar begin je met je diagnostiek? Een van de vele mogelijkheden is beginnend hartfalen. De diagnose wordt in het ziekenhuis gesteld met een bloedtest en echo van het hart. Zelf een ecg maken heeft immers niet zoveel zin want hartfalen is daarop vaak niet te zien, toch?

“Een ecg bevat veel meer informatie dan we voor mogelijk hielden, informatie die met het oog niet te zien is”
Cardioloog Frederik Zimmermann (r) en aios Thomas Mast
Kunstmatige Intelligentie
Cardiologen in het Eindhovense Catharina Ziekenhuis denken dat het ecg wel degelijk beginnend hartfalen kan aantonen. Met behulp van kunstmatige intelligentie laten ze een computer zoeken naar patronen die geassocieerd blijken met hartfalen in een berg van ruim een half miljoen goed beschreven ecg’s. De initiatiefnemers van het project zijn cardioloog Frederik Zimmermann en aios Thomas Mast die in het laatste jaar van zijn opleiding tot cardioloog zit.
Beide artsen raakten geïnspireerd door het onderzoek van elektrofysioloog Paul Friedman en zijn collega’s van de Amerikaanse Mayo Clinic. Zimmermann: “De onderzoekers ontwikkelden een algoritme dat met vrij grote zekerheid uit een ecg afleidt of iemand boezemfibrilleren krijgt of heeft, ook al laat het ecg op dat moment een normaal ritme zien. Het ecg bevat dus veel meer informatie dan we voor mogelijk hielden. Informatie die met het oog niet te zien is, maar die je met kunstmatige intelligentie zichtbaar kunt maken.”
“We willen achterhalen welke informatie het hartfalen verraadt”
Cardioloog Frederik Zimmermann
Hartfalen
Inmiddels lukt het de Amerikaanse onderzoekers meerdere ‘onzichtbare’ hartziekten, zoals asymptomatische linker ventrikel dysfunctie, uit het ecg af te leiden. Dus, waarom niet ook beginnend hartfalen? Mast: “Op het moment ‘trainen’ studenten en onderzoekers van de TU Eindhoven de software voor kunstmatige intelligentie met ruwe data van de ecg’s. We kijken daarbij naar alle vormen van hartfalen, met en zonder behoud van ejectiefractie.” Zimmermann voegt toe: “Als het lukt dan zal de informatie over het hartfalen diep in de data van een ecg verscholen zitten. We willen ook achterhalen welke informatie het hartfalen verraadt.”
“De patiënt met hartfalen komt sneller bij de cardioloog, terwijl de patiënt zonder hartfalen niet onnodig verwezen worden”
Cardioloog Frederik Zimmermann
Snellere diagnose
En dan, als het lukt om op een betrouwbare en gevalideerde manier beginnend hartfalen uit een ecg af te leiden? Mast: “Omdat de klachten van beginnend hartfalen bij zoveel andere ziekten passen, duurt het gemiddeld tot 2,5 jaar voordat de diagnose er uiteindelijk is. Al zoekend naar oorzaken stuurt de huisarts de patiënt naar menig specialist. Juist de huisarts zou dus gebaat zijn bij een manier om hartfalen snel te detecteren.” Zimmermann vervolgt: “Huisartsen maken zelf ecg’s om andere hartziekten uit te sluiten. Een algoritme kan dan meteen aangeven of er mogelijk sprake van beginnend hartfalen is. De winst is dan tweeledig. De patiënt met hartfalen komt sneller bij de cardioloog terwijl de patiënten zonder hartfalen niet onnodig verwezen worden.”
1-lead versus 12-lead
Het Eindhovense onderzoek komt op een moment dat steeds meer huisartsen gebruik gaan maken van het snel en eenvoudig te maken 1-lead ecg. Volgens Mast hoeft dat in de toekomst niet per se een probleem te zijn: “Onze basis is het 12-lead ecg. Als daar een werkend algoritme uit komt dan is het een kleine stap om te controleren of het algoritme overeind blijft bij de analyse van 1-lead ecg’s afkomstig van hand held devices of smartphones.”
Voor wie twijfelt aan de kwaliteit van verborgen data in het ecg heeft Zimmermann een mooi voorbeeld dat de kracht van kunstmatige intelligentie laat zien: “Met het oog kun je aan een ecg onmogelijk aflezen of het afkomstig is van een vrouw of een man. Met kunstmatige intelligentie lukt dat wel, met meer dan 90% zekerheid.”
Referentie: Attia ZI, Noseworthy PA, Lopez-Jimenez F, et al. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet. 2019;394(10201):861-867.