Sztuczna inteligencja może skuteczniej wspierać ocenę ryzyka zgonu u pacjentów z chorobami serca niż tradycyjne pomiary wykonywane przez lekarzy. Badanie naukowców z City St George’s, University of London oraz University College London (UCL), opublikowane w „The Lancet Digital Health”, objęło 27 382 pacjentów. Wykazano, że pomiary frakcji wyrzutowej uzyskane przez AI były nieznacznie, ale istotnie silniej związane z przeżywalnością pacjentów. Co więcej, analiza jednego badania MRI zajmowała zaledwie 2–3 sekundy.
Z tego artykułu dowiesz się…
- Dlaczego pomiary frakcji wyrzutowej serca wykonywane przez sztuczną inteligencję mogą lepiej wspierać ocenę ryzyka zgonu niż pomiary lekarzy.
- Jakie wyniki przyniosło badanie obejmujące 27 382 pacjentów z chorobami serca w Wielkiej Brytanii i Stanach Zjednoczonych.
- Jak szybko AI analizuje obrazy rezonansu magnetycznego serca (MRI) i jakie korzyści może przynieść automatyzacja diagnostyki.
- Dlaczego nadzór lekarza pozostaje niezbędny i jakie są dalsze kierunki rozwoju AI w kardiologii.
AI w analizie rezonansu magnetycznego serca – wyniki badania
Naukowcy przeprowadzili retrospektywne, wieloośrodkowe badanie prognostyczne, wykorzystując obrazy rezonansu magnetycznego serca (MRI) pacjentów diagnozowanych w Wielkiej Brytanii i Stanach Zjednoczonych. Analiza objęła 27 382 osoby z rozpoznanymi lub podejrzewanymi chorobami serca. Średni okres obserwacji przekraczał pięć lat, a w tym czasie odnotowano 3458 zgonów.
Badacze porównali pomiary frakcji wyrzutowej lewej komory uzyskane przez algorytm sztucznej inteligencji z wynikami analiz przeprowadzonych przez doświadczonych klinicystów. Pomiary AI wykazały nieznacznie, ale statystycznie istotnie silniejszy związek z ryzykiem zgonu niż pomiary wykonywane przez lekarzy. Zależność utrzymywała się również po uwzględnieniu wieku i płci pacjentów. Wyniki wskazują na potencjał AI w ocenie rokowania, jednak nie oznaczają, że zastosowanie algorytmu samo w sobie wydłuża życie pacjentów.
Frakcja wyrzutowa serca – dlaczego jej dokładny pomiar jest tak ważny?
Frakcja wyrzutowa lewej komory (LVEF) określa procent objętości krwi wypompowywanej z lewej komory podczas pojedynczego skurczu. Jest jednym z podstawowych parametrów wykorzystywanych w diagnostyce i leczeniu chorób układu krążenia. Ocena LVEF ma bezpośrednie znaczenie dla decyzji terapeutycznych, ponieważ pomaga określić wskazania do:
- leczenia farmakologicznego niewydolności serca,
- implantacji wybranych urządzeń kardiologicznych,
- zabiegów poprawiających ukrwienie mięśnia sercowego,
- oceny ryzyka przedoperacyjnego,
- monitorowania kardiotoksyczności leczenia onkologicznego.
Precyzja pomiaru jest szczególnie istotna u pacjentów, których wyniki znajdują się blisko wartości progowych decydujących o kwalifikacji do określonej terapii.
Sztuczna inteligencja analizuje MRI serca w 2–3 sekundy
Jedną z największych zalet ocenianego rozwiązania okazała się szybkość działania. Algorytm AI analizował obrazy MRI w około 2–3 sekundy na pacjenta, podczas gdy wcześniejsze badania zespołu wskazywały, że doświadczony klinicysta potrzebuje na podobną analizę średnio 13 minut. Oznacza to możliwość znacznego skrócenia czasu potrzebnego na ilościową ocenę funkcji lewej komory.
Automatyzacja może również ograniczyć zmienność pomiarów między poszczególnymi specjalistami, usprawnić przygotowywanie opisów badań i zmniejszyć obciążenie pracowni diagnostyki obrazowej.
Czy AI może zastąpić lekarza w ocenie funkcji serca?
Pomimo korzystnych wyników naukowcy podkreślają konieczność zachowania nadzoru klinicznego. W analizowanym badaniu błędy algorytmu występowały u około 1% pacjentów i dotyczyły 0,08% obrazów. Choć były stosunkowo rzadkie, mogą mieć znaczenie dla indywidualnych decyzji terapeutycznych.
Dlatego lekarz nadal powinien weryfikować wyniki, rozpoznawać ewentualne nieprawidłowości oraz interpretować pomiary w kontekście objawów, historii choroby i pozostałych badań. Autorzy wskazują, że optymalnym rozwiązaniem może być wykorzystanie AI jako narzędzia pierwszego etapu analizy MRI, z możliwością dodatkowej oceny eksperckiej w przypadkach wymagających weryfikacji.
Kolejny etap badań – połączenie AI, MRI i EKG
Zespół planuje rozszerzenie badań o integrację pomiarów uzyskiwanych z rezonansu magnetycznego serca z innymi danymi diagnostycznymi, szczególnie elektrokardiogramem (EKG).
Celem jest opracowanie metod umożliwiających wcześniejsze wykrywanie nieprawidłowości mięśnia sercowego, zanim rozwiną się trwałe uszkodzenia. Połączenie danych obrazowych i elektrofizjologicznych może w przyszłości wspierać bardziej kompleksową ocenę ryzyka oraz personalizację leczenia kardiologicznego
Główne wnioski
- Pomiary frakcji wyrzutowej serca wykonywane przez AI były silniej związane z przeżywalnością pacjentów niż pomiary lekarzy. Badanie naukowców z City St George’s, University of London i University College London (UCL), opublikowane w „The Lancet Digital Health”, objęło 27 382 pacjentów, wśród których podczas ponad pięcioletniej obserwacji odnotowano 3458 zgonów.
- Sztuczna inteligencja analizowała obrazy MRI serca w zaledwie 2–3 sekundy na pacjenta. Dla porównania doświadczony klinicysta potrzebował na podobną analizę średnio 13 minut, co wskazuje na potencjał AI w przyspieszaniu diagnostyki kardiologicznej.
- AI może wspierać ocenę ryzyka zgonu i decyzje terapeutyczne, ale nie zastępuje lekarza. Błędy algorytmu występowały u około 1% pacjentów i dotyczyły 0,08% analizowanych obrazów, dlatego konieczna pozostaje weryfikacja wyników w kontekście klinicznym.
- Kolejnym kierunkiem rozwoju AI w kardiologii będzie łączenie danych z rezonansu magnetycznego serca i elektrokardiogramu (EKG). Naukowcy planują wykorzystać takie rozwiązania do wcześniejszego wykrywania nieprawidłowości mięśnia sercowego i wspierania decyzji o rozpoczęciu leczenia.
Źródło: „The Lancet Digital Health” (2026), Artificial intelligence versus clinician left ventricular segmentation on cardiac MRI for mortality prediction: a retrospective, multicentre prognostic study https://www.thelancet.com/journals/landig/article/PIIS2589-7500(26)00065-8/fulltext
