Sztuczna inteligencja wykrywa wady serca z EKG w dwie sekundy

Komentarz redakcji

Podczas kongresu European Society of Cardiology zaprezentowano system AI analizujący mikrowzorce sygnału EKG. Narzędzie osiąga do 81 procent dokładności w wykrywaniu niewydolności serca i do 90 procent przy stenozie aortalnej. Badacze planują pilotażowe wdrożenia w brytyjskich szpitalach NHS w Londynie i Bristolu.

Najważniejsze

  • Naukowcy z Imperial College London opracowali algorytm AI, który w mniej niż dwie sekundy analizuje rutynowy zapis EKG pod kątem wad serca.
  • Technologia osiąga do 81% dokładności w wykrywaniu niewydolności serca oraz do 90% w rozpoznawaniu wad zastawek (w tym stenozy aortalnej).
  • Model został wytrenowany na 10 milionach zapisów EKG i zwalidowany na próbie 67 tysięcy pacjentów w USA.
  • Narzędzie ma służyć jako system natychmiastowego triażu w POZ, kierując pacjentów wysokiego ryzyka na pilne badanie echokardiograficzne.
  • Oprogramowanie pozostaje w fazie badań – nie posiada jeszcze certyfikacji FDA ani CE i stanowi wsparcie decyzji lekarza, a nie samodzielną diagnozę.
·
2 min

Naukowcy z Imperial College London zaprezentowali w Monachium algorytm AI, który w mniej niż dwie sekundy wykrywa niewydolność serca na podstawie rutynowego badania EKG.

Źródło zdjęcia: pexels.com - by Luan Rezende
Źródło zdjęcia: pexels.com - by Luan Rezende

Podczas corocznego kongresu European Society of Cardiology w Monachium naukowcy z Imperial College London zaprezentowali system sztucznej inteligencji, który w mniej niż dwie sekundy wykrywa niewydolność serca oraz wady zastawek na podstawie rutynowego badania EKG. Zespół pod kierunkiem prof. Fu Siong Nga oraz dr. Ahmeda El-Medanyego przedstawił wyniki prac nad tą technologią podczas wydarzenia odbywającego się w dniach 28–31 sierpnia 2026 roku.

Błyskawiczna analiza mikrowzorców EKG

Opracowany algorytm przeprowadzania błyskawiczną cyfrową analizę mikrowzorców sygnału elektrycznego zawartych w zapisie EKG. W przedstawionych badaniach model wykazał dokładność wykrywania niewydolności serca sięgającą do 81 procent oraz skuteczność rozpoznawania wad zastawek, w tym stenozy aortalnej, na poziomie do 90 procent. Brytyjscy inżynierowie wytrenowali oprogramowanie na bazie 10 milionów zapisów EKG, a proces walidacji przeprowadzili na próbie 67 tysięcy pacjentów w szpitalach w Stanach Zjednoczonych. Projekt sfinansowała organizacja British Heart Foundation przy wsparciu Heart Research UK. Komercjalizacją rozwiązania zajmuje się spółka spin-out Cardiovolt.ai.

Triaż w podstawowej opiece zdrowotnej

Standardowe badanie EKG mierzy wyłącznie aktywność elektryczną serca i nie pozwala na bezpośrednie wykrycie uszkodzeń mechanicznych narządu, takich jak wady zastawek czy obniżona wydolność skurczowa. Potwierdzenie tego typu schorzeń wymaga przeprowadzenia badania echokardiograficznego. W brytyjskim publicznym systemie ochrony zdrowia (NHS) pacjenci oczekują na planowe USG serca od kilku tygodni do nawet kilku miesięcy. Opracowane narzędzie ma funkcjonować jako system natychmiastowego triażu w podstawowej opiece zdrowotnej, ułatwiając szybką selekcję pacjentów i wytypowanie osób wymagających pilnego skierowania na specjalistyczną diagnostykę obrazową.

Planowane wdrożenia pilotażowe zostaną przeprowadzone w szpitalach NHS w Londynie oraz Bristolu. Oprogramowanie znajduje się obecnie w fazie badań i nie uzyskało jeszcze statusu zatwierdzonego wyrobu medycznego (brak certyfikacji FDA oraz CE). Przedstawiciele zespołu badawczego zaznaczają, że technologia stanowi jedynie wsparcie selekcyjne dla lekarzy, a nie samodzielne narzędzie diagnostyczne.

Dotychczas opublikowane materiały nie precyzują poziomu błędów fałszywie dodatnich oraz fałszywie ujemnych. Oznacza to, że przy wykrywalności na poziomie 81 procent około 19 procent przypadków nie zostaje zidentyfikowanych przez algorytm. Szybki triaż w POZ może ponadto przenieść obciążenie systemu na etap oczekiwania na badanie USG, ponieważ wdrożenie AI nie zwiększa liczby dostępnych pracowni kardiologicznych.

Parametry i skuteczność algorytmu AI z Imperial College London

Parametr / MetrykaWartość
Czas analizy badania EKG< 2 sekundy
Dokładność wykrywania niewydolności sercado 81%
Dokładność wykrywania wad zastawek (stenoza aortalna)do 90%
Wielkość zbioru treningowego10 000 000 zapisów EKG
Wielkość próby walidacyjnej (szpitalnej)67 000 pacjentów

Dane z prezentacji Imperial College London na ESC Congress

Deep learning electrocardiogram model for risk stratification of coronary revascularization need in the emergency department.

European heart journal

Niewydolność serca - rozmowa z prof. Piotrem Ponikowskim i prof. Małgorzatą Lelonek

Rola algorytmu AI w procesie diagnostycznym serca

1
1. Badanie EKG
Wykonanie standardowego zapisu elektrokardiograficznego w przychodni POZ
2
2. Analiza cyfrowa AI
Algorytm analizuje mikrowzorce sygnału elektrycznego w czasie poniżej 2 sekund
3
3. Wykrycie zmian
Ocena ryzyka niewydolności serca (do 81% dokł.) oraz wad zastawek (do 90% dokł.)
4
4. Szybki triaż
Kierowanie pacjentów wysokiego ryzyka na priorytetowe badanie USG serca (ECHO)

Porównanie: Standardowa interpretacja EKG vs Analiza EKG wspomagana AI

Standardowa interpretacja EKG
+Powszechnie dostępna i tania
+Błyskawiczna ocena rytmu i przewodnictwa
+Standard w POZ i ratownictwie
Nie wykrywa zaburzeń mechanicznych organu
Nie ocenia bezpośrednio zastawek ani wydolności skurczowej
Może przeoczyć wczesne stadium uszkodzeń strukturalnych
Interpretacja EKG z użyciem AI (Imperial College)
+Wykrywa wady zastawek (stenoza aortalna do 90%) i niewydolność (do 81%)
+Czas analizy poniżej 2 sekund
+Umożliwia błyskawiczny triaż pacjentów w POZ
Wymaga potwierdzenia badaniem echokardiograficznym (ECHO)
Około 19% wyników fałszywie ujemnych przy niewydolności serca
Brak certyfikacji jako samodzielny wyrób medyczny (faza badań)

Słownik pojęć

EKG
Elektrokardiogram – nieinwazyjne badanie diagnostyczne rejestrujące aktywność elektryczną serca.
Echokardiografia (ECHO)
Badanie USG serca pozwalające na ocenę budowy anatomicznej organu, kurczliwości oraz pracy zastawek.
Stenoza aortalna
Zwężenie ujścia aorty, powodujące utrudnienie odpływu krwi z lewej komory serca do aorty.
Triaż (selekcja medyczna)
Proces selekcji i kwalifikacji pacjentów pod kątem pilności wymaganej interwencji medycznej lub diagnostyki.
Spółka spin-out
Firma powstała poprzez wydzielenie się z jednostki macierzystej (np. uczelni) w celu komercjalizacji opracowanej technologii.
Certyfikacja CE / FDA
Europejski (CE) oraz amerykański (FDA) proces dopuszczenia oprogramowania medycznego do użytku klinicznego.

Najczęstsze pytania

W jaki sposób AI potrafi wykryć wady zastawek ze zwykłego badania EKG?
Algorytm dokonuje cyfrowej analizy mikrowzorców sygnału elektrycznego w zapisie EKG, wyłapując subtelne odchylenia niewidoczne dla ludzkiego oka, które korelują z uszkodzeniami mechanicznymi serca.
Jaka jest dokładność opracowanego oprogramowania?
W testach klinicznych model wykazał do 81% dokładności w rozpoznawaniu niewydolności serca oraz do 90% skuteczności w wykrywaniu wad zastawek (w tym stenozy aortalnej).
Czy algorytm AI może zastąpić lekarza kardiologa?
Nie. Oprogramowanie znajduje się w fazie badań klinicznych i nie posiada jeszcze certyfikacji FDA ani CE jako wyrób medyczny. Ma służyć wyłącznie jako narzędzie pomocnicze dla lekarzy.
Gdzie algorytm znajdzie zastosowanie w praktyce medycznej?
Technologia ma funkcjonować w podstawowej opiece zdrowotnej jako system natychmiastowego triażu, ułatwiając wytypowanie pacjentów wymagających pilnego skierowania na USG serca (echokardiografię).

Pierwsi napisali na ten temat

Komentarze (0)

0/2000

Powiązane artykuły

Jak AI rewolucjonizuje wczesne wykrywanie raka piersi w Szwecji?

Badanie Szpitala Uniwersyteckiego Karolinska objęło prawie 90 tys. mammogramów od ponad 31 tys. pacjentek z czterech regionów Szwecji. Wyniki opublikowane w „Radiology” pokazują, że algorytmy częściej wskazywały podwyższone ryzyko u kobiet, u których później rozpoznano raka piersi.

13 czerwca 2026

NHS wprowadza AI do aplikacji. Ma kierować pacjentów do właściwych usług i skracać kolejki

Brytyjska służba zdrowia NHS ogłosiła 4 lipca 2026 roku wdrożenie sztucznej inteligencji do swojej aplikacji. System ma najpierw trafić do 200 tys. pacjentów w ciągu roku, a do kwietnia 2028 roku być dostępny dla wszystkich użytkowników. Narzędzie ma pomagać w triage’u, czyli kierowaniu pacjentów do GP, apteki, A&E albo do samodzielnej opieki. Władze NHS podają, że pilotaż w Sussex zmniejszył liczbę osób czekających telefonicznie na wizytę o 29 proc.

5 lipca 2026

Badanie: tylko trzy z 1357 medycznych urządzeń AI zbadano pod kątem wpływu na zdrowie pacjentów

Analiza zespołu z Uniwersytetu w Toronto wskazuje na brak publicznie dostępnych dowodów klinicznych potwierdzających skuteczność większości technologii AI zatwierdzonych przez FDA. Większość tych urządzeń trafia na rynek w USA uproszczoną ścieżką regulacyjną 510(k), wymagającą jedynie wykazania równoważności z istniejącym już produktem. Najwięcej zatwierdzonych systemów dotyczy radiologii, kardiologii i neurologii.

21 sierpnia 2026

Analiza wykazała brak gotowości AI do prognozowania chorób serca

Autorzy nowej analizy ocenili 30 projektów naukowych i wskazali na brak walidacji zewnętrznej oraz brak oceny wpływu algorytmów na decyzje lekarzy. Większość systemów powstała na bazie danych z USA, Wielkiej Brytanii i Korei Południowej. Naukowcy postulują pilne wdrożenie standardów TRIPOD+AI oraz przeprowadzenie niezależnych badań prospektywnych.

14 sierpnia 2026

Zwapnienia w mammografii wykryte przez AI zwiększają ryzyko serca nawet czterokrotnie

Badanie retrospektywne objęło 123 762 kobiet z dwóch amerykańskich systemów opieki zdrowotnej. AI mierzyła zwapnienia tętnic piersiowych (BAC) na standardowych mammografiach, a kobiety z największymi zwapnieniami miały ponad czterokrotnie wyższe ryzyko względne. Autorzy nie podali jednak bezwzględnych liczb zdarzeń, co utrudnia ocenę rzeczywistego znaczenia klinicznego.

14 maja 2026

Projekt KI-COMPASS: Smartwatche pomogą monitorować serce pacjentów po leczeniu raka

Projekt KI-COMPASS prowadzi Universitätsklinikum Freiburg pod kierownictwem prof. Michaela Quantego. Badanie ma sprawdzić, czy dane ze smartwatchy połączone ze sztuczną inteligencją pomogą szybciej wychwycić kardiologiczne powikłania po terapii raka przełyku.

7 lipca 2026

StartSzukaj