AI ska underlätta upptäckt av covid-19-patienter med ökad risk för livshotande hjärtsjukdom

2020-07-01

Carina Blomström Lundqvist, överläkare på hjärtkliniken, Akademiska sjukhuset och professor vid Uppsala universitet
Carina Blomström Lundkvist

Närmare 17 procent av patienter med bekräftad covid-19-infektion drabbas av livshotande hjärtpåverkan såsom rytmrubbningar och hjärtmuskelinflammation och cirka sju procent av plötslig hjärtdöd. I en internationell studie, ledd från Akademiska sjukhuset, utvärderas om EKG-analys baserad på artificiell intelligens (AI) kan underlätta att förutse vilka som löper sådan risk. Det här skriver Akademiska sjukhuset i ett pressmeddelande.

– Eftersom covid-19 är en så smittsam infektion är rutinmässiga kontroller med upprepade EKG-tagningar och ultraljud av hjärta för att upptäcka tecken på hjärtpåverkan förenat med risk för smittspridning. Vi bedömer att EKG-analys baserad på artificiell intelligens kan underlätta den urskiljningen och bli ett effektivare sätt att tidigt upptäcka dessa patienter, säger Carina Blomström Lundqvist, professor och överläkare på hjärtkliniken, Akademiska sjukhuset, som leder studien.

I den kliniska studien, som beräknas pågå fram till 2022, räknar forskarna med att inkludera cirka 1500 patienter. Det är en av 13 pågående studier vid Akademiska sjukhuset med anledning av coronapandemin.

Forskarna utgår från det första EKG:et som tagits på patienter över 18 år som sökt sjukvård och blivit inlagda för covid-19-infektion vid olika sjukhus runtom i världen
Studien genomförs i samarbete med kardiologer, bioingenjörer, epidemiologer vid University of Washington, USA, kardiologer i Barcelona i Spanien, biomedicinare , University of Copenhagen samt kardiologer vid Karolinska institutet och Computational Physiology Group i Oslo Norge. 

– Vår hypotes är att man redan i det första EKG:et kan se små förändringar som gör det möjligt att tidigt identifiera de patienter som har störst risk för allvarliga, negativa hjärtkomplikationer på sjukhus. Vi kommer även att studera riskvariabler för insjuknande i förmaksflimmer, förklarar Carina Blomström Lundqvist.

Förutom EKG-data utgår forskarna från ett flertal demografiska och kliniska variabler såsom ålder, kön, ras/etnicitet, tidigare känd hjärt-kärlsjukdom inklusive ischemisk och icke-ischemisk kardiomyopati, arytmier och överledningsstörningar i hjärtat. 

Praktiskt går studien till såhär: Ankomst-EKG samlas in digitalt från journalsystemets EKG-databas och kopplas ihop med aktuellt kardiovaskulärt utfall (dvs med eller utan allvarlig hjärthändelse). Därefter tränas en AI-modell (ett djupgående, neuralt nätverk) på att skilja mellan patienter som utvecklar respektive inte utvecklar en allvarlig kardiovaskulär händelse före utskrivning. Nästa steg blir att testa och validera AI-modellens träffsäkerhet.

– Utifrån EKG-undersökningarna kommer vi att presentera sannolikheten för en händelse för varje patient. Om metoden har tillräckligt hög precision för klinisk användning kommer en algoritm för att förutsäga risk att göras tillgänglig för intresserade kliniker. Om utfallet blir framgångsrikt är planen att utveckla nya metoder som kan identifiera subtila, dolda och för blotta ögat osynliga tecken på myokardit, rytmrubbningar eller annan allvarlig hjärtpåverkan hos covid-19-patienter, avrundar Carina Blomström Lundqvist.