Sztuczna inteligencja przyspiesza diagnostykę zawału serca

Szybka i wiarygodna diagnostyka w przypadku podejrzenia zawału serca ma kluczowe znaczenie dla wdrożenia leczenia ratującego życie. Każda minuta opóźnienia może prowadzić do nieodwracalnego uszkodzenia mięśnia sercowego oraz poważnych powikłań, takich jak niewydolność serca, migotanie komór czy nagłe zatrzymanie krążenia. Dlatego natychmiastowe wezwanie zespołu ratownictwa medycznego pozostaje podstawowym elementem postępowania.

Dane epidemiologiczne podkreślają skalę problemu – w samych Niemczech w 2023 roku ponad 185 000 pacjentów hospitalizowano z powodu zawału serca, a ponad 44 000 zmarło (Deutscher Herzbericht – Update 2025).

Objawy bólu w klatce piersiowej a rzeczywiste rozpoznanie zawału

Dominującym objawem ostrego zespołu wieńcowego pozostaje silny ból w klatce piersiowej. Jednak tylko 5–25% pacjentów zgłaszających się na oddziały ratunkowe z tym objawem faktycznie doświadcza ostrego zawału serca. Oznacza to, że większość przypadków wymaga wykluczenia zawału przy jednoczesnym zachowaniu wysokiego poziomu bezpieczeństwa diagnostycznego.

Doświadczenia kliniczne z Chest Pain Unit przy Universitätsklinikum Hamburg-Eppendorf wskazują, że proces diagnostyczny jest często czasochłonny. Wynika to z konieczności przeprowadzenia wieloetapowej oceny, obejmującej badania laboratoryjne, elektrokardiografię oraz obrazowanie.

Znaczenie badań nad sztuczną inteligencją w diagnostyce zawału

Badania nad wykorzystaniem sztucznej inteligencji w diagnostyce kardiologicznej koncentrują się na przyspieszeniu procesu różnicowania pacjentów. Szczególnym celem jest szybkie i bezpieczne wykluczenie zawału serca u osób z niskim ryzykiem, co pozwala na odciążenie oddziałów ratunkowych.

Projekt ARTEMIS (Artificial Intelligence in Suspected Myocardial Infarction) opiera się na analizie danych ponad 27 000 pacjentów z podejrzeniem zawału. Algorytm wykorzystuje, oprócz oznaczenia troponiny (w tym testów przyłóżkowych), osiem rutynowo dostępnych zmiennych klinicznych:

• wiek
• płeć
• czas od wystąpienia objawów
• czynniki ryzyka (np. palenie tytoniu, zaburzenia lipidowe, wywiad rodzinny)
• zapis EKG
• częstość rytmu serca

Celem jest stworzenie narzędzia wspierającego decyzje kliniczne w warunkach presji czasu – zarówno w szpitalach, jak i w ambulatoryjnej opiece zdrowotnej oraz ratownictwie medycznym.

Skuteczność algorytmu ARTEMIS i implikacje kliniczne

W badaniu opublikowanym w Lancet Digital Health (2024) wykazano, że zastosowanie algorytmu ARTEMIS-POC w połączeniu z pojedynczym oznaczeniem wysokoczułej troponiny umożliwia wykluczenie zawału serca u ponad dwukrotnie większej liczby pacjentów w ciągu kilku minut w porównaniu z dotychczasowymi standardami diagnostycznymi.

Co istotne, uzyskano przy tym poziom bezpieczeństwa diagnostycznego zbliżony do 100%. Wyniki te wskazują na możliwość znaczącej optymalizacji ścieżek diagnostycznych, szczególnie w warunkach przeciążonych oddziałów ratunkowych.

W perspektywie klinicznej oznacza to:

• skrócenie czasu diagnostyki,
• zmniejszenie liczby niepotrzebnych hospitalizacji,
• szybsze wdrożenie leczenia u pacjentów wysokiego ryzyka,
• potencjalne rozszerzenie diagnostyki poza szpital (np. w POZ i ZRM).

Wyzwania diagnostyczne związane z niespecyficznymi objawami

Diagnostyka zawału serca jest szczególnie trudna w przypadku pacjentów prezentujących objawy atypowe. Dotyczy to zwłaszcza osób starszych, kobiet oraz chorych na cukrzycę, u których mogą dominować:

• duszność,
• ból w nadbrzuszu,
• nudności i wymioty,
• ogólne osłabienie.

Dodatkowym wyzwaniem jest zjawisko tzw. „cichego zawału”, szczególnie u pacjentów z cukrzycą, gdzie objawy mogą być minimalne lub nieobecne.

W praktyce klinicznej oznacza to, że sama ocena objawów nie jest wystarczająca do wykluczenia zawału, co podkreśla znaczenie zaawansowanych narzędzi wspomagających decyzje diagnostyczne.

Ograniczenia obecnych metod diagnostycznych

Standardowa diagnostyka obejmuje:

• elektrokardiografię (EKG),
• oznaczenie troponiny jako złoty standard,
• badania obrazowe (np. echokardiografia).

Istotnym ograniczeniem jest czas oczekiwania na wyniki troponiny z laboratorium centralnego, który może wynosić co najmniej godzinę. Dodatkowo, interpretacja podwyższonego poziomu troponiny nie jest jednoznaczna, ponieważ może on wskazywać na różne formy uszkodzenia mięśnia sercowego, nie tylko zawał.

Choć dostępne są testy przyłóżkowe, ich zastosowanie bywa ograniczone ze względu na koszty oraz potencjalną zmienność wyników.

Perspektywy rozwoju: integracja AI i diagnostyki wielomodalnej

Kolejnym etapem rozwoju projektu ARTEMIS jest integracja automatycznej analizy zapisu EKG z wykorzystaniem sztucznej inteligencji. Planowane są również badania prospektywne w rzeczywistych warunkach klinicznych, obejmujące oddziały ratunkowe, gabinety lekarskie oraz zespoły ratownictwa medycznego.

Uzyskanie statusu wyrobu medycznego będzie wymagało potwierdzenia skuteczności i bezpieczeństwa w badaniach klinicznych, jednak dotychczasowe wyniki wskazują na duży potencjał implementacyjny.

Zastosowanie sztucznej inteligencji w diagnostyce podejrzenia zawału serca stanowi istotny krok w kierunku medycyny precyzyjnej i optymalizacji procesów klinicznych. Algorytmy takie jak ARTEMIS mogą znacząco skrócić czas diagnostyki, poprawić bezpieczeństwo pacjentów oraz zmniejszyć obciążenie systemu ochrony zdrowia.

Rozwój tych technologii wpisuje się w szerszy trend cyfryzacji medycyny i wykorzystania zaawansowanych metod analitycznych w codziennej praktyce klinicznej.

Źródło: Deutsche Herzstiftung e.V.