Az új mesterséges intelligencia eszköz az EKG-val rendelkező nők szívbetegségének fokozott kockázatát észleli
Egy új AI-modell az elektrokardiogram (EKG) alapján megjelölheti a női betegeket, akiknél nagyobb a szívbetegség kockázata. A kutatók szerint a kifejezetten női betegek számára kialakított algoritmus lehetővé teheti az orvosok számára, hogy korábban azonosítsák a magas kockázatú nőket, és jobb kezelést és ellátást biztosítsanak. A részleteket ma teszik közzé a Lancet Digital Health-ben. Az EKG a szív elektromos aktivitását jelzi, és az egyik leggyakoribb orvosi vizsgálat a világon. A British Heart Foundation által finanszírozott tanulmányukban a kutatók mesterséges intelligencia segítségével több mint egymillió EKG-t rögzítettek 180 000 betegtől...
Az új mesterséges intelligencia eszköz az EKG-val rendelkező nők szívbetegségének fokozott kockázatát észleli
Egy új AI-modell az elektrokardiogram (EKG) alapján megjelölheti a női betegeket, akiknél nagyobb a szívbetegség kockázata.
A kutatók szerint a kifejezetten női betegek számára kialakított algoritmus lehetővé teheti az orvosok számára, hogy korábban azonosítsák a magas kockázatú nőket, és jobb kezelést és ellátást biztosítsanak. A részleteket ma tesszük közzéLancet Digital Health.
Az EKG a szív elektromos aktivitását jelzi, és az egyik leggyakoribb orvosi vizsgálat a világon. A British Heart Foundation által finanszírozott tanulmányukban a kutatók mesterséges intelligencia segítségével elemeztek több mint egymillió EKG-t 180 000 betegtől, akik közül 98 000 nő volt.
A legfrissebb tanulmányban a kutatók egy olyan pontszámot dolgoztak ki, amely azt méri, hogy az egyén EKG-je mennyire egyezik a tipikus „férfi és női EKG-mintákkal”, és mutatott kockázatot az egyes nemeknél. A nők, akiknek EKG-ja jobban megfelelt a tipikus „férfi” mintának – mint pl
Lényeges az is, hogy ezeknél a nőknél lényegesen nagyobb a szív- és érrendszeri betegségek, a jövőbeni szívelégtelenség és a szívroham kockázata, mint azoknál a nőknél, akiknél az EKG jobban megegyezik a „tipikus női” EKG-val.
Korábbi bizonyítékok azt mutatták, hogy a férfiaknál nagyobb a szív- és érrendszeri betegségek kockázata, ami a hormonális profilok és az életmódbeli tényezők különbségeinek tudható be. Emiatt az egészségügyi szakemberek és a közvélemény úgy véli, hogy a nőknél alacsony a szív- és érrendszeri betegségek kockázata. Bár ez a kockázat a nők esetében is magas, az Egyesült Királyságban a nők kétszer nagyobb valószínűséggel halnak meg koszorúér-betegségben, amely a szívrohamok vezető oka, mint mellrákban. Egy nemrégiben született konszenzusos nyilatkozat a szív- és érrendszeri betegségeket a nők „első számú gyilkosának” nevezte. A nyilatkozat a nők jobb diagnosztizálását és kezelését, valamint a nők jobb képviseletét követelte a klinikai vizsgálatokban.
Dr. Arunashis Sau, a National Heart and Lung Institute akadémiai klinikai előadója, az Imperial College London és az Imperial College Healthcare NHS Trust kardiológiai regisztrátora vezette a kutatást. Azt mondta:
"Munkánk rávilágított arra, hogy a nők szív- és érrendszeri megbetegedései sokkal összetettebbek, mint azt korábban gondoltuk. A klinikán olyan teszteket használunk, mint az EKG, hogy pillanatképet készítsünk erről, de ennek eredményeként ez magában foglalhatja a betegek nem szerinti csoportosítását oly módon, hogy nem veszik figyelembe egyéni fiziológiájukat.
Dr. Fu Siong Ng, a londoni Imperial College National Heart & Lung Institute szívelektrofiziológiai olvasója, valamint az Imperial College Healthcare NHS Trust és a Chelsea és a Westminster Hospital NHS Foundation Trust kardiológus tanácsadója volt a tanulmány vezető szerzője. Azt mondta: "Sok azonosított nő valójában még nagyobb kockázatnak volt kitéve, mint az "átlagos" férfi. Ha széles körben alkalmazzák, az AI-modell idővel csökkentheti a nemek közötti egyenlőtlenségeket a szívellátásban, és javíthatja a szívbetegségben szenvedő nők eredményeit."
A kutatócsoport a közelmúltban publikált egy másik tanulmányt a kapcsolódó AI-EKG kockázatbecslési modellről, az AIRE néven ismert, amely képes előre jelezni a betegek kockázatát a betegség kialakulásának és súlyosbodásának EKG alapján. Az AIRE-próbákat az NHS-ben már 2025 végére tervezik. Ezek a modell megvalósításának előnyeit fogják értékelni a College Healthcare NHS Foundation Trust és az Imperial College Chelsea és Westminster Kórházai kórházaiból származó valódi páciensekkel. Ezt a modellt az AIRE-vel együtt tesztelik.
Az orvosok túl gyakran rosszul diagnosztizálják vagy akár elutasítják a nőket annak a mítosznak köszönhetően, hogy a szívbetegség „csak egy férfi probléma”. Még akkor is, ha megkapják a helyes diagnózist, a bizonyítékok azt mutatják, hogy a nők kisebb valószínűséggel részesülnek az ajánlott kezelésekben, mint a férfiak. "
Dr. Sonya Babu-Narayan, a British Heart Foundation klinikai igazgatója
"Ez a tanulmány erőteljes mesterséges intelligencia technológiát alkalmazott az EKG-re, egy rutinszerű, olcsó és széles körben használt szívtesztre. Az ilyen típusú kutatásokban rejlő lehetőségek kiaknázása segíthet jobban azonosítani azokat a betegeket, akiknek a legnagyobb kockázata a jövőbeni szívproblémáknak, és csökkentheti a nemek közötti különbséget a szívellátásban. Egyetlen teszt. Egyetlen teszt önmagában nem hoz egyenlővé a feltételeket. Biztosítja, hogy minden embernek szüksége van a megfelelő szívápolásra.
A kutatást a British Heart Foundation finanszírozta, Dr. Sau BHF Klinikai Kutatási Képzési Ösztöndíja, Dr. Fu Siong NG BHF program támogatása és az Imperial BHF Kutatási Kiválósági Központja. A kutatók emellett finanszírozást kaptak a NIHR Imperial Biomedical Research Centre-től, az Imperial College Healthcare NHS Trust és az Imperial College London közötti transzlációs kutatási partnerségtől, amely 2022-ben 95 millió fontot kapott a betegek új kísérleti kezeléseinek és diagnosztikájának továbbfejlesztésére.
Források:
Sau, A., et al. (2025) Mesterséges intelligenciával megerősített elektrokardiográfia a nemhez kapcsolódó kardiovaszkuláris kockázati kontinuum azonosítására: retrospektív kohorsz vizsgálat. A Lancet Digital Health. doi.org/10.1016/j.landig.2024.12.003.