AI-verktyget undersöker rutinmässiga hjärt-CT-scanningar för att identifiera texturförändringar i fettet runt hjärtat, vilket kan indikera att hjärtmuskeln under 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 genomgått hjärt-CT-scanningar mellan 2007 och 2022. Studien fann att 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. Forskarna planerar att implementera verktyget över hela NHS, där cirka 350 000 patienter remitteras för hjärt-CT-scanning varje år i Storbritannien.
I en separat utveckling kan risken för allvarlig eller dödlig hjärt-kärlsjukdom förutsägas av AI-analys av mammografier, enligt en studie publicerad i European Heart Journal. Studien involverade 123 762 kvinnor som genomgått förebyggande mammografiscreening och som inte hade någon känd historia av hjärt-kärlsjukdom. Forskarna använde AI för att analysera mängden kalcium som ackumulerats i bröstartärerna, kategoriserat som svår, måttlig, mild eller frånvarande. Kvinnor med mild kalcifiering hade cirka 30% högre risk för allvarlig hjärt-kärlsjukdom jämfört med de utan kalcifiering. Denna fynd gällde även för kvinnor under 50, en grupp som ofta anses vara lågrisk, och förblev stark även när andra riskfaktorer som diabetes och rökning beaktades. Forskare, ledda av Emory University i USA, betonar att denna teknik skulle kunna hjälpa till att identifiera många kvinnor med odiagnostiserad eller obehandlad hjärt-kärlsjukdom. Beslutsfattare skulle kunna överväga att integrera denna teknik i befintliga mammografiscreeningsprogram, vilket potentiellt skulle nå tiotals miljoner kvinnor varje år utan ytterligare infrastruktur. De huvudsakliga stegen som krävs är att integrera AI-verktyget i befintliga bildarbetsflöden och att etablera tydliga riktlinjer för att informera läkare och patienter.
Emellertid förblir den specifika tidsplanen eller stegen för att implementera Oxford AI-verktyget över hela NHS oklar, liksom kostnadskonsekvenserna och integrationsdetaljerna för mammografi AI-verktyget. Dessutom har de potentiella falskt positiva eller falskt negativa frekvenserna för dessa AI-verktyg, och hur de kan påverka patientvården, inte specificerats, och varken regulatoriska godkännanden eller kliniska prövningar som behövs före utbredd användning har specificerats. Det är också okänt hur dessa AI-verktyg jämför sig med eller kompletterar befintliga riskbedömningsmetoder för hjärt-kärlsjukdom.