Μια δεκαετία στα σκαριά
Κάθε χρόνο στις Ηνωμένες Πολιτείες, περισσότεροι από 300.000 άνθρωποι πεθαίνουν από αιφνίδια καρδιακή ανακοπή — μια κατάσταση όπου το ηλεκτρικό σύστημα της καρδιάς δυσλειτουργεί χωρίς προειδοποίηση. Η επείγουσα ιατρική κατάσταση μπορεί να σκοτώσει τόσο ηλικιωμένους ενήλικες υψηλού κινδύνου όσο και φαινομενικά υγιείς νεαρούς αθλητές χωρίς ιστορικό καρδιακών προβλημάτων. Ενώ οι εσωτερικοί απινιδωτές που σοκάρουν την καρδιά και πάλι σε ρυθμό μπορούν να σώσουν ζωές, το να καταλάβεις ποιος πραγματικά χρειάζεται κάποιον παραμένει ένα παιχνίδι υψηλού πονταρίσματος. For more context on this story, see our ongoing AI trends.
Τώρα, μια ερευνητική ομάδα από το UC Berkeley ανακάλυψε ένα μη αναγνωρισμένο προηγουμένως σήμα στα ηλεκτροκαρδιογραφήματα (EKG) που μπορεί να ανιχνεύσει ασθενείς υψηλού κινδύνου πριν σταματήσει η καρδιά τους. Η μελέτη, που δημοσιεύτηκε στις 24 Ιουνίου 2026, στο περιοδικό Nature, θα μπορούσε να μεταμορφώσει τον τρόπο με τον οποίο οι γιατροί εντοπίζουν ποιος χρειάζεται ένα σωτήριο εμφύτευμα.
«Οι ιατρικές αποφάσεις είναι πραγματικά δύσκολες και νομίζω ότι αυτός είναι ο λόγος που η τεχνητή νοημοσύνη είναι τόσο συναρπαστική για μένα», δήλωσε ο Ziad Obermeyer, αναπληρωτής καθηγητής στη Σχολή Δημόσιας Υγείας του UC Berkeley και επικεφαλής συγγραφέας της μελέτης, σε πανεπιστημιακό δελτίο τύπου. «Μπορούμε όχι μόνο να πάρουμε καλύτερες αποφάσεις, αλλά και να αρχίσουμε να καταλαβαίνουμε τι πραγματικά συμβαίνει με αυτούς τους ασθενείς πριν σταματήσει η καρδιά τους».
Εκπαίδευση σε 440.000 ΗΚΓ
Χρησιμοποιώντας περισσότερα από 440.000 ΗΚΓ από τη Σουηδία σε συνδυασμό με πληροφορίες από πιστοποιητικά θανάτου, οι ερευνητές εκπαίδευσαν ένα μοντέλο τεχνητής νοημοσύνης για να αναλύσουν τις αιχμές και τις κυματομορφές που παράγονται από τα ηλεκτρικά ρεύματα της καρδιάς. Έδωσαν το μοντέλο σαρώσεις από υγιείς ανθρώπους, ασθενείς σε κίνδυνο και εκείνους που υπέστησαν αργότερα καρδιακό θάνατο μέχρι να αναγνωρίσει μοτίβα κυματομορφής μοναδικά σε άτομα που πέθαναν ξαφνικά.
Στη συνέχεια, η ομάδα επικύρωσε τον αλγόριθμο για πολλά χρόνια σε χιλιάδες επιπλέον φακέλους ασθενών τόσο από τις Ηνωμένες Πολιτείες όσο και από την Ταϊβάν. Σύμφωνα με το πανεπιστήμιο, η συλλογή δεδομένων από μόνη της χρειάστηκε περίπου μια δεκαετία, βασιζόμενη σε έξι χρόνια σαρώσεων από το ενοποιημένο σύστημα υγείας της Σουηδίας, δύο χρόνια αποταυτοποιημένων ΗΚΓ από ένα νοσοκομειακό σύστημα στο Σαν Ντιέγκο και ένα ξεχωριστό σύνολο δεδομένων από την Ταϊπέι.
"Η καλή τεχνητή νοημοσύνη ξεκινά με καλά δεδομένα", δήλωσε ο Obermeyer, ο οποίος είναι επίσης μέρος του κοινού προγράμματος UCSF-UC Berkeley Computational Precision Health. "Δυστυχώς, δεδομένα όπως αυτά που χρησιμοποιήσαμε για αυτήν τη μελέτη είναι απίστευτα δύσκολο να προσπελαστούν. Είναι μεγάλο μέρος του γιατί χρησιμοποιείται τόσο μικρή κλινική τεχνητή νοημοσύνη σήμερα."
Υπεραπόδοση τυπικών δοκιμών
Τα αποτελέσματα αντιπροσωπεύουν ένα σημαντικό άλμα σε σχέση με τις τρέχουσες μεθόδους διαλογής. Η πιο συχνά χρησιμοποιούμενη τεχνική για τον εντοπισμό ασθενών σε κίνδυνο μετρά πόσο αίμα εκτοξεύει η καρδιά με κάθε χτύπο — γνωστή ως κλάσμα εξώθησης. Αυτές οι εξετάσεις εντοπίζουν μια ομάδα υψηλού κινδύνου με ετήσιο ποσοστό αιφνίδιου καρδιακού θανάτου 4,6%.
Το σύστημα τεχνητής νοημοσύνης, αντίθετα, απομονώνει μια ομάδα υψηλού κινδύνου με ετήσιο ποσοστό 7% — επισημαίνοντας μια μεγαλύτερη ομάδα ασθενών που διατρέχουν πραγματικό κίνδυνο, αλλά που φαίνονται χαμηλού κινδύνου με κάθε τρέχον πρότυπο. Η συντριπτική πλειονότητα αυτών των ασθενών δεν θα είχε παραπεμφθεί ποτέ για περαιτέρω αξιολόγηση σύμφωνα με τα υπάρχοντα πρωτόκολλα.
Ενώ η καρδιακή προσβολή προέρχεται από περιορισμένη ροή αίματος, η καρδιακή ανακοπή συμβαίνει όταν το ηλεκτρικό ρεύμα της καρδιάς σταματά ξαφνικά να πυροδοτεί. Η ΚΑΡΠΑ και ένα σοκ από έναν αυτοματοποιημένο εξωτερικό απινιδωτή μπορούν να σώσουν ζωές, αλλά περίπου το 90% όσων υποφέρουν από ξαφνική καρδιακή ανακοπή εκτός νοσοκομείου πεθαίνουν μέσα σε λίγα λεπτά. Η ταχύτητα και το απρόβλεπτο του συμβάντος καθιστούν την πρόληψη εξαιρετικά δύσκολη.
Το δίλημμα του απινιδωτή
Η ειρωνεία του αιφνίδιου καρδιακού θανάτου, σημείωσε ο Obermeyer, είναι ότι η θεραπεία υπάρχει ήδη - οι γιατροί απλώς δεν μπορούν να προσδιορίσουν με αξιοπιστία ποιος τη χρειάζεται εγκαίρως. Οι εμφυτεύσιμοι απινιδωτές καρδιομετατροπής (ICD) είναι μικρές συσκευές που τοποθετούνται στο στήθος που παρακολουθούν τους καρδιακούς ρυθμούς και προκαλούν κραδασμούς όταν ανιχνεύονται επικίνδυνα μοτίβα.
Το πρόβλημα είναι διπλό. Πρώτον, η τυπική δοκιμή κλάσματος εξώθησης απαιτεί από τους ασθενείς να υποβληθούν σε μια πιο εμπεριστατωμένη ιατρική αξιολόγηση - κάτι που η συντριπτική πλειοψηφία των ενδεχόμενων θυμάτων δεν γνώριζε ποτέ ότι χρειαζόταν. Δεύτερον, τα δύο τρίτα των εμφυτευμάτων που τοποθετούνται σε ασθενείς που έχουν επισημανθεί από τις τρέχουσες δοκιμές δεν πυροδοτούνται ποτέ, πράγμα που σημαίνει ότι οι ασθενείς υποβάλλονται σε επεμβατικές, δαπανηρές διαδικασίες για να αποτρέψουν μια έκτακτη ανάγκη που μπορεί να μην αντιμετωπίσουν ποτέ.
«Σε ένα μέρος αυτών των ανθρώπων, θα μπορούσαμε να είχαμε αποτρέψει αυτούς τους θανάτους αν το γνωρίζαμε εγκαίρως», είπε ο Obermeyer. «Υπάρχουν πολλές ζωές που χάνονται από ανθρώπους που πεθαίνουν από αιφνίδιο καρδιακό θάνατο που μπορούν να αποφευχθούν αν απλώς είχαμε καλύτερα εργαλεία τεχνητής νοημοσύνης για να βρούμε αυτά τα πράγματα».
Τι ακολουθεί
Η επόμενη φάση του έργου έχει ήδη ξεκινήσει. Η Obermeyer συνεργάζεται με συστήματα υγείας στη Σουηδία, την Ταϊβάν και τις Ηνωμένες Πολιτείες για να αναπτύξει τον αλγόριθμο σε βάσεις δεδομένων EKG νοσοκομείων. Για σαρώσεις το σύστημα επισημαίνει ως υψηλού κινδύνου, οι γιατροί θα ειδοποιούσαν τους ασθενείς και θα τους πρόσφεραν την επιλογή να φορούν ένα έμπλαστρο που παρακολουθεί συνεχώς την καρδιά τους. Αυτά τα δεδομένα παρακολούθησης θα μπορούσαν να βοηθήσουν τους ερευνητές να κατανοήσουν καλύτερα τον φυσιολογικό μηχανισμό μέσα στην καρδιά που παράγει τα ενδεικτικά σήματα - και θα μπορούσε τελικά να οδηγήσει στην τοποθέτηση ενός δυνητικά σωτήριου εσωτερικού απινιδωτή.
Η μελέτη ανοίγει επίσης την πόρτα για νέα έρευνα σχετικά με το τι εντόπισε πραγματικά το εργαλείο AI. Τα μοτίβα κυματομορφής στα οποία ενσωμάτωσε φαίνονται να σχετίζονται με την ξαφνική και μοιραία ανάφλεξη της καρδιάς, αλλά ο ακριβής φυσιολογικός μηχανισμός παραμένει ασαφής - μια ερώτηση που η ομάδα ελπίζει ότι η συνεχής παρακολούθηση θα βοηθήσει να απαντηθεί.
Η Obermeyer δημιούργησε επίσης έναν ιστότοπο όπου τα άτομα που ενδιαφέρονται να αξιολογήσουν τον δικό τους κίνδυνο μπορούν να υποβάλουν βασικές πληροφορίες και μια διεύθυνση email, επιτρέποντας στην ερευνητική ομάδα να επικοινωνήσει μαζί τους για ανάλυση ΗΚΓ μόλις το εργαλείο γίνει ευρύτερα διαθέσιμο. Το έργο βασίζεται στο έργο δύο οργανισμών που συνίδρυσε η Obermeyer — Dandelion Health και Nightingale Open Science — που λειτουργούν στη διασταύρωση της τεχνητής νοημοσύνης και της ιατρικής έρευνας.
Πέρα από τις άμεσες κλινικές επιπτώσεις της, η μελέτη υπογραμμίζει ένα ευρύτερο σημείο σχετικά με την τεχνητή νοημοσύνη στην ιατρική: η μεγαλύτερη αξία της τεχνολογίας μπορεί να βρίσκεται όχι στην αντικατάσταση των γιατρών, αλλά στην αποκάλυψη μοτίβων αόρατων στα ανθρώπινα μάτια - μοτίβα που, αφού γίνουν κατανοητά, θα μπορούσαν να σώσουν χιλιάδες ζωές κάθε χρόνο.
«Θα υπάρξει επίσης ένας νέος τρόπος επιστήμης που θα προέρχεται από αυτά τα εργαλεία», είπε ο Obermeyer, «και είναι διασκεδαστικό να σκεφτόμαστε πώς αρχίζει να συμβαίνει αυτό».
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
