AI-verktyget undersöker rutinmässiga hjärt-CT-skanningar för att identifiera texturförändringar i fettet runt hjärtat, vilket kan indikera att den underliggande hjärtmuskeln är inflammerad och ohälsosam. Denna upptäckt kan inte ses av läkare genom några rutinmässiga medicinska bildundersökningar. Verktyget användes på 72 000 patienter över nio NHS Trusts i England som hade genomgått hjärt-CT-skanningar mellan 2007 och 2022.
De som bedömdes vara i den högsta riskgruppen var 20 gånger mer benägna att utveckla hjärtsvikt än de i den lägsta riskgruppen, med högriskpatienter som hade en chans på fyra att utveckla hjärtsvikt inom fem år. Algoritmen förutsäger risken att en person utvecklar hjärtsvikt inom de kommande fem åren med 86% noggrannhet. Dr Sonya Babu-Narayan, klinisk direktör vid British Heart Foundation, betonade att hjärtsvikt ofta diagnostiseras för sent, och att detta verktyg kan hjälpa läkare att upptäcka det tidigare, vilket möjliggör bättre hantering och förbättrade patientutfall.
Forskare planerar att implementera verktyget över hela NHS, där cirka 350 000 patienter remitteras för en hjärt-CT-skanning varje år i Storbritannien. De specifika stegen och tidslinjen för denna implementering har inte detaljerats, och det är oklart hur verktyget kommer att jämföras i effektivitet och kostnad med andra befintliga metoder för att förutsäga kardiovaskulär risk i verkliga kliniska miljöer. I en separat utveckling kan AI förutsäga risken för allvarlig eller dödlig hjärt-kärlsjukdom genom att analysera mammografier, där förkalkning av artärerna är nära kopplad till ökad risk för hjärtinfarkt, stroke och död.
Studien omfattade 123 762 kvinnor som hade genomgått förebyggande bröstscreening och inte hade någon känd historia av hjärt-kärlsjukdom. Kvinnor med mild förkalkning hade cirka 30% högre risk för allvarlig hjärt-kärlsjukdom jämfört med de utan förkalkning, medan de med svår förkalkning hade två till tre gånger högre risk. Denna fynd gällde även för kvinnor under 50, en grupp som ofta anses ha låg risk, och förblev stark även när andra riskfaktorer som diabetes och rökning beaktades.
Forskare föreslår att denna teknik kan hjälpa till att identifiera många kvinnor med odiagnostiserad eller obehandlad hjärt-kärlsjukdom, och beslutsfattare kan överväga att integrera denna teknik i befintliga mammografiscreeningsprogram. Hur denna integration kommer att fortskrida och vilka kostnadskonsekvenser som finns har inte specificerats, och potentiella falskt positiva eller falskt negativa frekvenser för dessa AI-verktyg i verkliga kliniska miljöer är okända. Etiska eller integritetsöverväganden gällande användningen av AI i medicinsk bildtagning och patientdata hanteras också, även om detaljer inte tillhandahålls.