Ett decennium i vardande
Varje år i USA dör mer än 300 000 människor av plötsligt hjärtstillestånd - ett tillstånd där hjärtats elektriska system inte fungerar utan förvarning. Den medicinska nödsituationen kan döda både äldre vuxna med hög risk och till synes friska unga idrottare utan historia av hjärtproblem. Medan interna defibrillatorer som chockerar hjärtat tillbaka i rytm kan rädda liv, förblir det en gissningslek med hög insats att ta reda på vem som verkligen behöver en. For more context on this story, see our ongoing more AI stories.
Nu har en UC Berkeley-ledd forskargrupp upptäckt en tidigare okänd signal i elektrokardiogram (EKG) som kan upptäcka högriskpatienter innan deras hjärta stannar. Studien, publicerad 24 juni 2026, i tidskriften Nature, kan förändra hur läkare identifierar vem som behöver ett livräddande implantat.
"Medicinska beslut är verkligen svåra, och jag tror att det är därför AI är så spännande för mig", säger Ziad Obermeyer, docent vid UC Berkeleys School of Public Health och studiens huvudförfattare, i ett pressmeddelande från universitetet. "Vi kan inte bara fatta bättre beslut, utan också börja förstå vad som faktiskt händer med dessa patienter innan deras hjärta stannar."
Träning på 440 000 EKG
Med hjälp av mer än 440 000 EKG från Sverige i kombination med information från dödsattester, tränade forskare en artificiell intelligensmodell för att analysera de spikar och vågformer som produceras av hjärtats elektriska strömmar. De matade modellskanningarna från friska människor, riskpatienter och de som senare led av hjärtdöd tills den kände igen vågformsmönster som var unika för människor som fortsatte att dö plötsligt.
Teamet validerade sedan algoritmen under flera år på tusentals ytterligare patientfiler från både USA och Taiwan. Enligt universitetet tog enbart datasammanställningen ungefär ett decennium, med hjälp av sex år av skanningar från Sveriges enade hälsosystem, två år av avidentifierade EKG från ett sjukhussystem i San Diego och en separat datauppsättning från Taipei.
"Bra AI börjar med bra data", säger Obermeyer, som också är en del av det gemensamma UCSF-UC Berkeley Computational Precision Health-programmet. "Tyvärr är data som de vi använde för den här studien otroligt svåra att komma åt. Det är en stor del av varför det finns så lite klinisk AI som används idag."
Överträffar standardtester
Resultaten representerar ett meningsfullt språng över nuvarande screeningmetoder. Den vanligaste tekniken för att identifiera riskpatienter mäter hur mycket blod hjärtat sprutar ut med varje slag - känd som ejektionsfraktionen. Dessa tester identifierar en högriskgrupp med 4,6 % årlig frekvens av plötslig hjärtdöd.
AI-systemet, däremot, isolerar en högriskgrupp med en årlig andel på 7 % – vilket flaggar för en större pool av patienter som löper genuin risk men som ser ut att ha låg risk enligt alla nuvarande standarder. De allra flesta av dessa patienter skulle aldrig ha remitterats för vidare utvärdering enligt befintliga protokoll.
Medan en hjärtattack härrör från begränsat blodflöde, inträffar hjärtstillestånd när hjärtats elektriska ström plötsligt slutar skjuta. HLR och en chock från en automatisk extern defibrillator kan rädda liv, men ungefär 90 % av dem som drabbas av plötsligt hjärtstopp utanför sjukhus dör inom några minuter. Händelsens snabbhet och oförutsägbarhet gör det utomordentligt svårt att förebygga.
Defibrillatordilemmat
Ironin med plötslig hjärtdöd, noterade Obermeyer, är att behandlingen redan existerar - läkare kan helt enkelt inte på ett tillförlitligt sätt identifiera vem som behöver den i tid. Implanterbara cardioverter-defibrillatorer (ICD) är små enheter placerade i bröstet som övervakar hjärtrytmer och ger stötar när farliga mönster upptäcks.
Problemet är dubbelt. För det första kräver standard ejektionsfraktionstestet att patienter genomgår en mer involverad medicinsk utvärdering - något som de allra flesta eventuella offer aldrig visste att de behövde. För det andra, två tredjedelar av implantaten som placeras i patienter som flaggats av aktuella tester avfyras aldrig, vilket innebär att patienter genomgår invasiva, kostsamma procedurer för att förhindra en nödsituation som de aldrig kommer att möta.
"I någon bråkdel av dessa människor kunde vi ha förhindrat dessa dödsfall om vi bara hade vetat det i tid," sa Obermeyer. "Det finns många liv som går förlorade från människor som faller döda av plötslig hjärtdöd som går att förebygga om vi bara hade bättre AI-verktyg för att hitta dessa saker."
Vad kommer härnäst
Nästa fas av projektet har redan börjat. Obermeyer arbetar med hälsosystem i Sverige, Taiwan och USA för att distribuera algoritmen på sjukhusets EKG-databaser. För skanningar som systemet flaggar som högrisk, skulle läkare meddela patienter och erbjuda dem möjligheten att bära ett plåster som kontinuerligt övervakar deras hjärta. Dessa övervakningsdata kan hjälpa forskare att bättre förstå den fysiologiska mekanismen i hjärtat som genererar kontrollsignalerna - och kan i slutändan leda till placeringen av en potentiellt livräddande intern defibrillator.
Studien öppnar också dörren för ny forskning om vad AI-verktyget faktiskt upptäckte. Vågformsmönstren som den inriktade sig på verkar relaterade till att hjärtat plötsligt och dödligt misslyckas, men den exakta fysiologiska mekanismen är fortfarande oklar - en fråga som teamet hoppas att kontinuerlig övervakning ska hjälpa till att besvara.
Obermeyer byggde också en webbplats där individer som är intresserade av att bedöma sin egen risk kan skicka in grundläggande information och en e-postadress, så att forskargruppen kan kontakta dem för EKG-analys när verktyget blir mer allmänt tillgängligt. Projektet bygger på arbetet från två organisationer Obermeyer var med och grundade - Dandelion Health och Nightingale Open Science - som verkar i skärningspunkten mellan AI och medicinsk forskning.
Utöver dess omedelbara kliniska implikationer understryker studien en bredare poäng om AI inom medicin: teknikens största värde ligger kanske inte i att ersätta läkare, utan i att avslöja mönster som är osynliga för mänskliga ögon - mönster som, när de väl har förståtts, kan rädda tusentals liv varje år.
"Det kommer också att finnas ett nytt sätt att göra vetenskap som kommer ut ur dessa verktyg," sa Obermeyer, "och det är kul att tänka på hur det börjar hända."
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
