AI nytt redskap för att ställa hjärtdiagnoser

Artificiell intelligens (AI) kan bli ett hjälpmedel inom sjukvården för att tolka EKG och upptäcka sjukdomar som påverkar hjärtat.

AI nytt redskap för att ställa hjärtdiagnoser 1Forskare vid Uppsala universitet har tillsammans med hjärtspecialister i Brasilien tagit fram en AI som automatiskt diagnostiserar hjärtflimmer och fem andra av de vanligaste EKG-avvikelserna lika bra som hjärtläkare. Studien har publicerats i Nature Communications.

Ett elektrokardiogram, eller EKG, är ett diagram som visar de elektriska signaler som skapas i hjärtat och kan avslöja olika typer av sjukdomar som påverkar det. Det används rutinmässigt i vården och varje EKG måste idag tolkas manuellt av en hjärtspecialist.

Den nya studien visar hur en AI automatiskt kan diagnostisera avvikelser som kan upptäckas i ett EKG. AI:n har först tränats på fler än 2 miljoner insamlade EKG:n som hjärtspecialister har diagnostiserat manuellt. På så sätt lär den sig att hitta de typiska mönstren för sex av de vanligaste EKG-avvikelserna och kan därefter ställa diagnos på en helt annan patient med någon av dessa sjukdomar, lika bra som en hjärtspecialist.

Än är metoden inte färdig att användas på läkarmottagningar och sjukhus. Men forskarna bedömer att den i framtiden har stora möjligheter att förbättra hjärtsjukvården i låg- och medelinkomstländer där stora delar av befolkningen inte har samma tillgång på specialister som kan tolka EKG som vi har här i Sverige.

– Detta är det första resultatet av ett samarbete som vi byggt upp under de senaste två åren. Att våga satsa på den här typen av djupa samarbeten mellan forskare inom AI och forskare inom medicin tror jag väldigt mycket på för att framöver skapa ny kunskap som kan hjälpa oss människor till en bättre tillvaro, säger Thomas Schön som forskare i maskininlärning/AI vid Uppsala universitet och ansvarar för den tekniska delen i studien.

Den matematiska modell, så kallade djupa artificiella neurala nätverk, som ligger till grund för den här studien är ett bra exempel på grundtanken inom maskininlärning där datorer själva bygger en modell och använder den för att lära sig lösa uppgifter från insamlade data. Den metoden skiljer sig från det klassiska sättet att arbeta med en dator och där datorn manuellt programmeras exakt för den specifika uppgift den ska lösa. Vid många problemställningar har resultaten visat sig bli bättre om maskininlärning används och datorn själv får hitta mönster från insamlade siffror, texter, diagram och bilder.