Το εργαλείο τεχνητής νοημοσύνης EchoNext μπορεί να εντοπίσει κρυφές καρδιακές παθήσεις

Ένα εργαλείο τεχνητής νοημοσύνης (AI) μπορεί πλέον να εντοπίσει κρυφές καρδιακές παθήσεις μέσω μιας συνήθους εξέτασης.

Κάθε χρόνο, εκατομμύρια άνθρωποι βγαίνουν από το νοσοκομείο χωρίς να γνωρίζουν ότι έχουν σοβαρό καρδιακό πρόβλημα. Όχι επειδή οι γιατροί είναι απρόσεκτοι. Όχι επειδή δεν υπάρχουν οι κατάλληλες εξετάσεις. Αλλά επειδή οι τυπικές εξετάσεις που χρησιμοποιούν συνήθως οι γιατροί απλά δεν μπορούν από μόνες τους να εντοπίσουν πολλούς τύπους δομικών καρδιακών παθήσεων.

Μια ομάδα ερευνητών από το Πανεπιστήμιο της Κολούμπια και το NewYork-Presbyterian μπορεί να βρήκε έναν τρόπο να αλλάξει αυτό. Δημιούργησαν ένα εργαλείο τεχνητής νοημοσύνης που ονομάζεται EchoNext, το οποίο διαβάζει δεδομένα από μια συνήθη καρδιακή εξέταση και ανιχνεύει δομικές καρδιακές παθήσεις με μεγαλύτερη ακρίβεια από τους καρδιολόγους. Η μελέτη αυτή δημοσιεύθηκε στο περιοδικό Nature τον Ιούλιο του 2025.

Τι είναι η δομική καρδιακή νόσος;

Η δομική καρδιακή νόσος είναι φυσικά προβλήματα της καρδιάς — των βαλβίδων, των κοιλοτήτων, του μυός ή των αγγείων που συνδέονται άμεσα με αυτήν. Η νόσος περιλαμβάνει παθήσεις όπως καρδιακή ανεπάρκεια, βαλβιδική νόσο, πνευμονική υπέρταση και σοβαρή πάχυνση του καρδιακού μυός. Πολλές από αυτές τις παθήσεις, αν διαγνωστούν νωρίς, μπορούν να αντιμετωπιστούν με φάρμακα ή χειρουργική επέμβαση. Αν δεν εντοπιστούν, μπορεί να αποβούν θανατηφόρες.

Η εξέταση αναφοράς για τη διάγνωση της δομικής καρδιακής νόσου είναι το ηχοκαρδιογράφημα — μια υπερηχογραφική εξέταση της καρδιάς. Το ηχοκαρδιογράφημα παρέχει στους γιατρούς μια σαφή εικόνα της δομής και της λειτουργίας της καρδιάς. Το πρόβλημα είναι ότι τα ηχοκαρδιογραφήματα είναι δαπανηρά, απαιτούν εξειδικευμένους ειδικούς για τη διεξαγωγή και την ερμηνεία τους και δεν είναι διαθέσιμα παντού. Λόγω αυτών των εμποδίων, οι γιατροί συνήθως ζητούν ηχοκαρδιογράφημα μόνο όταν ο ασθενής παρουσιάζει ήδη συμπτώματα ή όταν έχουν σοβαρό λόγο να υποψιάζονται κάποιο πρόβλημα.

Αυτό σημαίνει ότι ένας μεγάλος αριθμός ατόμων με δομική καρδιακή νόσο δεν υποβάλλεται ποτέ στη δοκιμασία που θα μπορούσε να αποκαλύψει την πάθησή τους. Έρευνες δείχνουν ότι όταν πραγματοποιείται συστηματικός έλεγχος με ηχοκαρδιογράφημα σε κοινότητες, ο αριθμός των περιπτώσεων βαλβιδικής καρδιακής νόσου που ανιχνεύονται υπερδιπλασιάζεται σε σύγκριση με τη συνήθη φροντίδα. Με άλλα λόγια, έως και το ήμισυ όλων των περιπτώσεων ενδέχεται να περάσει απαρατήρητο.

Το ηλεκτροκαρδιογράφημα είναι ένα ευρέως χρησιμοποιούμενο εργαλείο, αλλά έχει περιορισμούς

Το ηλεκτροκαρδιογράφημα (ΕΚΓ) είναι ένα διαφορετικό είδος καρδιακής εξέτασης. Μετρά την ηλεκτρική δραστηριότητα της καρδιάς. Οι γιατροί χρησιμοποιούν τα ΕΚΓ για να ανιχνεύσουν ανώμαλους καρδιακούς ρυθμούς, απόφραξη των στεφανιαίων αρτηριών και προηγούμενες καρδιακές προσβολές. Τα ΕΚΓ είναι φθηνά, γρήγορα, μη επεμβατικά και διατίθενται σε σχεδόν κάθε νοσοκομείο και κλινική στον κόσμο. Οι γιατροί πραγματοποιούν εκατοντάδες εκατομμύρια ΕΚΓ κάθε χρόνο.

Ωστόσο, τα ΗΚΓ έχουν έναν γνωστό περιορισμό. Εδώ και δεκαετίες, οι καρδιολόγοι γνωρίζουν ότι δεν είναι δυνατόν να ανιχνευθεί δομική καρδιακή νόσος μόνο από ένα ηλεκτροκαρδιογράφημα. Τα ηλεκτρικά σήματα που καταγράφει η εξέταση δεν αποκαλύπτουν άμεσα τη φυσική βλάβη στις καρδιακές βαλβίδες ή στον καρδιακό μυ. Όπως το έθεσε ο Δρ Pierre Elias, ο οποίος ηγήθηκε της έρευνας της EchoNext: «Όλοι μας διδαχθήκαμε στην ιατρική σχολή ότι δεν είναι δυνατόν να ανιχνευθεί δομική καρδιακή νόσος από ένα ηλεκτροκαρδιογράφημα.»

Το EchoNext αμφισβητεί αυτή την παραδοχή.

Πώς λειτουργεί το EchoNext

Το EchoNext είναι ένα μοντέλο βαθιάς μάθησης — ένας τύπος τεχνητής νοημοσύνης που μαθαίνει μοτίβα από μεγάλες ποσότητες δεδομένων. Οι ερευνητές εκπαίδευσαν αυτό το μοντέλο σε περισσότερα από 1,2 εκατομμύρια ζεύγη ΗΚΓ–ηχοκαρδιογραφημάτων που συλλέχθηκαν από πάνω από 230.000 ασθενείς σε οκτώ νοσοκομεία σε διάστημα 14 ετών. Μελετώντας κάθε ΗΚΓ παράλληλα με το αντίστοιχο αποτέλεσμα ηχοκαρδιογραφήματος από τον ίδιο ασθενή, το μοντέλο έμαθε να εντοπίζει λεπτές μορφές στα δεδομένα ΗΚΓ που αντιστοιχούν σε δομικά καρδιακά προβλήματα — μορφές που είναι πολύ αχνές και πολύπλοκες για να τις ανιχνεύσει το ανθρώπινο μάτι.

Αυτό το μοντέλο λαμβάνει ως εισροή τόσο την ακατέργαστη κυματομορφή του ΗΚΓ όσο και επτά τυπικές τιμές που καταγράφουν ήδη οι γιατροί: ηλικία, φύλο, κολπικό ρυθμό, κοιλιακό ρυθμό, το διάστημα PR, τη διάρκεια του QRS και το διορθωμένο διάστημα QT. Στη συνέχεια, παράγει μια βαθμολογία κινδύνου που ενημερώνει τους γιατρούς για το πόσο πιθανό είναι ο ασθενής να πάσχει από δομική καρδιακή νόσο.

Κρίσιμα, το EchoNext δεν προσπαθεί να αντικαταστήσει το ηχοκαρδιογράφημα. Αντίθετα, λειτουργεί ως έξυπνο φίλτρο. Προσδιορίζει ποιοι ασθενείς, από τους πολλούς που υποβάλλονται σε ρουτίνα ΗΚΓ, διατρέχουν αρκετά υψηλό κίνδυνο ώστε οι γιατροί να πρέπει να τους παρακολουθήσουν με ηχοκαρδιογράφημα. «Το EchoNext χρησιμοποιεί βασικά την φθηνότερη εξέταση για να προσδιορίσει ποιος χρειάζεται το πιο ακριβό υπερηχογράφημα», εξήγησε ο Δρ. Elias.

Τι διαπίστωσε αυτή η έρευνα

Τα αποτελέσματα αυτής της μελέτης ήταν εντυπωσιακά. Σε μια άμεση σύγκριση με 13 καρδιολόγους που εξέτασαν 3.200 ΗΚΓ, το EchoNext πέτυχε ποσοστό ακρίβειας 77%, σε σύγκριση με το 64% των καρδιολόγων. Ακόμη και όταν οι καρδιολόγοι είχαν πρόσβαση στις βαθμολογίες κινδύνου του EchoNext για να τους βοηθήσουν να καθοδηγήσουν τις αποφάσεις τους, η απόδοσή τους παρέμεινε χαμηλότερη από εκείνη του μοντέλου τεχνητής νοημοσύνης που λειτουργούσε αυτόνομα.

Η ερευνητική ομάδα εφάρμοσε επίσης το EchoNext σε αυτό που ονόμασαν «σιωπηλή εφαρμογή» — χρησιμοποίησαν αυτό το εργαλείο σε σχεδόν 85.000 ασθενείς που είχαν υποβληθεί σε ΗΚΓ αλλά δεν είχαν προηγούμενο ηχοκαρδιογράφημα. Το εργαλείο αυτό εντόπισε περισσότερους από 7.500 από αυτούς τους ασθενείς (περίπου το 9%) ως υψηλού κινδύνου για μη διαγνωσμένη δομική καρδιακή νόσο. Οι γιατροί που παρακολούθησαν αυτούς τους ασθενείς κατά τη διάρκεια του επόμενου έτους επιβεβαίωσαν ότι οι προβλέψεις του EchoNext επιβεβαιώθηκαν, με θετική προγνωστική αξία 74% μεταξύ εκείνων που προχώρησαν σε ηχοκαρδιογράφημα.

Στη συνέχεια, οι ερευνητές επικύρωσαν το EchoNext σε τέσσερα ανεξάρτητα νοσοκομειακά συστήματα, συμπεριλαμβανομένων των Cedars-Sinai, του Πανεπιστημίου της Καλιφόρνιας στο Σαν Φρανσίσκο και του Ινστιτούτου Καρδιάς του Μόντρεαλ. Αυτό το μοντέλο διατήρησε υψηλή ακρίβεια σε όλα τα νοσοκομεία με διαφορετικούς πληθυσμούς ασθενών και διαφορετικά ποσοστά δομικών καρδιακών παθήσεων, γεγονός που υποδηλώνει ότι αυτό το εργαλείο λειτουργεί αξιόπιστα εκτός του συγκεκριμένου περιβάλλοντος στο οποίο δημιουργήθηκε.

Πραγματικοί ασθενείς, πραγματικά αποτελέσματα

Οι ερευνητές του EchoNext μοιράστηκαν τρεις συγκεκριμένες περιπτώσεις στις οποίες αυτό το εργαλείο οδήγησε άμεσα σε μια διάγνωση που άλλαξε τη ζωή των ασθενών. Στην πρώτη περίπτωση, το EchoNext ανίχνευσε σοβαρή αορτική στένωση — μια πάθηση κατά την οποία η βαλβίδα που ελέγχει τη ροή του αίματος από την καρδιά στενεύει επικίνδυνα — σε έναν ασθενή που δεν είχε προηγούμενη διάγνωση δομικής καρδιακής νόσου. Ο ασθενής υποβλήθηκε στη συνέχεια σε μια ελάχιστα επεμβατική διαδικασία αντικατάστασης καρδιακής βαλβίδας, γνωστή ως διακαθετηριακή αντικατάσταση αορτικής βαλβίδας.

Στη δεύτερη περίπτωση, το εργαλείο αυτό ανίχνευσε σοβαρή μιτροειδή ανεπάρκεια — μια πάθηση κατά την οποία το αίμα διαρρέει προς τα πίσω μεταξύ δύο κοιλιών της καρδιάς. Ο ασθενής υποβλήθηκε στη συνέχεια σε διορθωτική χειρουργική επέμβαση βαλβίδας. Στην τρίτη περίπτωση, το EchoNext ανίχνευσε καρδιακή ανεπάρκεια και ο ασθενής τελικά υποβλήθηκε σε μεταμόσχευση καρδιάς. Κάθε ένας από αυτούς τους ασθενείς είχε υποβληθεί σε ρουτίνα ΗΚΓ χωρίς κανείς να υποψιάζεται δομική καρδιακή νόσο. Το EchoNext εντόπισε αυτό που ξέφυγε από το ανθρώπινο μάτι.

Τι σημαίνει αυτό για εσάς;

Εάν έχετε υποβληθεί ποτέ σε ΗΚΓ σε νοσοκομείο ή κλινική, έχετε ήδη βιώσει το είδος της εξέτασης που διαβάζει το EchoNext. Δεν χρειαστήκατε ξεχωριστή διαδικασία, επιπλέον εξοπλισμό ή πρόσθετη προετοιμασία. Τα ίδια δεδομένα που παράγει ήδη η εξέταση θα μπορούσαν, με το EchoNext να λειτουργεί στο παρασκήνιο, να ειδοποιήσουν τον γιατρό σας ότι χρειάζεστε περαιτέρω διερεύνηση.

Αυτό έχει μεγαλύτερη σημασία σε περιβάλλοντα όπου οι καρδιολόγοι και οι συσκευές ηχοκαρδιογραφίας είναι σπάνιοι — αγροτικά νοσοκομεία, κοινοτικές κλινικές και συστήματα υγειονομικής περίθαλψης σε χώρες με χαμηλότερο εισόδημα. Επειδή το EchoNext λειτουργεί με τυπικά δεδομένα ΗΚΓ, θα μπορούσε να επεκτείνει την πρόσβαση στον έλεγχο καρδιακών παθήσεων σε άτομα που διαφορετικά δεν θα έκαναν ποτέ ηχοκαρδιογράφημα.

Ο Δρ. Elias και η ομάδα του πιστεύουν ότι «το ΗΚΓ σε συνδυασμό με την τεχνητή νοημοσύνη έχει τη δυνατότητα να δημιουργήσει ένα εντελώς νέο πρότυπο διαγνωστικού ελέγχου». Οι ερευνητές εργάζονται επί του παρόντος για να καταστήσουν αυτή την τεχνολογία ευρύτερα διαθέσιμη και να βελτιώσουν περαιτέρω το μοντέλο, καθώς το εκπαιδεύουν με επιπλέον σύνολα δεδομένων ασθενών.

Το EchoNext δεν αποτελεί ακόμη μέρος της τυπικής κλινικής φροντίδας. Οι ερευνητές και το ίδρυμά τους – το Πανεπιστήμιο της Κολούμπια – έχουν καταθέσει αίτηση για δίπλωμα ευρεσιτεχνίας για τον αλγόριθμο, και η ομάδα εργάζεται προς την κατεύθυνση μιας ευρύτερης εφαρμογής. Έχουν επίσης δημοσιεύσει ένα δημόσιο σύνολο δεδομένων και μια ελαφριά έκδοση του μοντέλου για να υποστηρίξουν περαιτέρω έρευνα από επιστήμονες σε όλο τον κόσμο.

Η ερευνητική κοινότητα αντέδρασε με μεγάλο ενδιαφέρον. Άλλες ομάδες ήδη αξιοποιούν το σύνολο δεδομένων αναφοράς του EchoNext για να αναπτύξουν νέα μοντέλα που συνδυάζουν την τεχνητή νοημοσύνη με στατιστικές μεθόδους, με στόχο τα αποτελέσματα να είναι όχι μόνο ακριβή αλλά και ερμηνεύσιμα — έτσι ώστε οι γιατροί να μπορούν να κατανοήσουν ποια συγκεκριμένα χαρακτηριστικά ενός σήματος ΗΚΓ οδήγησαν σε μια συγκεκριμένη βαθμολογία κινδύνου.

Πηγές πληροφοριών:

1. Ιατρικό Κέντρο Irving του Πανεπιστημίου Columbia. Μπορεί η τεχνητή νοημοσύνη να ανιχνεύσει κρυφές καρδιακές παθήσεις;
2. ColumbiaDoctors / NewYork-Presbyterian. EchoNext: Εργαλείο τεχνητής νοημοσύνης εντοπίζει κρυφές δομικές καρδιακές παθήσεις
3. NewYork-Presbyterian Advances in Cardiology. Μελέτη δείχνει ότι εργαλείο διαλογής με τεχνητή νοημοσύνη μπορεί να ανιχνεύσει δομικές καρδιακές παθήσεις χρησιμοποιώντας δεδομένα ηλεκτροκαρδιογραφήματος
4. News-Medical. Μοντέλο ΗΚΓ με τεχνητή νοημοσύνη ξεπερνά τους γιατρούς στην ανίχνευση κρυφών καρδιακών παθήσεων
5. Inside Precision Medicine. Η τεχνητή νοημοσύνη μετατρέπει τα ΗΚΓ σε ισχυρό εργαλείο διαγνωστικού ελέγχου καρδιακών παθήσεων
6. ODSC / Open Data Science. Μοντέλο τεχνητής νοημοσύνης ανιχνεύει κρυφές καρδιακές παθήσεις από ΗΚΓ, ξεπερνώντας τους καρδιολόγους
7. Περιοδικό Nature. Ανίχνευση δομικών καρδιακών παθήσεων από ηλεκτροκαρδιογραφήματα με χρήση τεχνητής νοημοσύνης PhysioNet. EchoNext: Ένα σύνολο δεδομένων για την ανίχνευση δομικών καρδιακών παθήσεων που έχουν επιβεβαιωθεί με ηχοκαρδιογράφημα από ΗΚΓ
8. Αμερικανικό Κολλέγιο Καρδιολογίας. Μετασχηματιστικές τάσεις στην καρδιαγγειακή ιατρική για το 2025
9. Healio. 2026: Το έτος που το εργαλείο μας επεκτείνεται στην καρδιολογία