Wczesne wykrywanie chorób zastawkowych dzięki analizie akustycznej wspieranej AI

Sztuczna inteligencja może umożliwić wykrywanie ciężkich wad zastawkowych serca nawet kilka lat wcześniej niż ma to miejsce obecnie w podstawowej opiece zdrowotnej – wynika z najnowszego badania przeprowadzonego przez zespół naukowców z University of Cambridge. Technologia ta, wykorzystująca cyfrowy stetoskop i algorytm AI, może w przyszłości przyczynić się do uratowania tysięcy pacjentów poprzez wcześniejsze skierowanie ich na specjalistyczną diagnostykę i leczenie.

Badacze przeanalizowali dźwięki serca pochodzące od blisko 1 800 pacjentów. Zastosowany algorytm sztucznej inteligencji został wytrenowany w celu rozpoznawania chorób zastawkowych – schorzeń, które często pozostają nierozpoznane aż do momentu wystąpienia stanu zagrożenia życia.

System AI prawidłowo zidentyfikował 98% pacjentów z ciężką stenozą aortalną, najczęstszą postacią wady zastawkowej wymagającej leczenia operacyjnego, oraz 94% przypadków ciężkiej niedomykalności mitralnej, w której zastawka nie domyka się prawidłowo, powodując cofanie się krwi do przedsionka.

Technologia współpracuje z cyfrowymi stetoskopami i – jak wykazano – przewyższa skuteczność lekarzy podstawowej opieki zdrowotnej w wykrywaniu chorób zastawkowych. Może stanowić szybkie narzędzie przesiewowe w warunkach POZ. Wyniki badania opublikowano w czasopiśmie npj Cardiovascular Health.

Profesor Anurag Agarwal z Department of Engineering na University of Cambridge, kierujący projektem, podkreśla, że choroby zastawkowe stanowią „cichą epidemię”. Szacuje się, że w Wielkiej Brytanii około 300 000 osób cierpi na ciężką stenozę aortalną, przy czym niemal jedna trzecia z nich nie jest świadoma choroby. W momencie pojawienia się objawów rokowanie może być gorsze niż w przypadku wielu nowotworów.

Choroby zastawkowe serca dotyczą ponad połowy populacji powyżej 65. roku życia, a u około 10% stwierdza się istotną klinicznie patologię. We wczesnych stadiach schorzenie często przebiega bezobjawowo. W przypadku rozwoju zaawansowanych objawów ryzyko zgonu może sięgać 80% w ciągu dwóch lat, jeśli nie zostanie wdrożone leczenie. Obecnie jedyną skuteczną metodą terapii jest chirurgiczna naprawa lub wymiana zastawki.

Standardem diagnostycznym pozostaje echokardiografia, jednak badanie to jest kosztowne, czasochłonne i obciążone długimi kolejkami – w systemie NHS czas oczekiwania może wynosić wiele miesięcy. Z tego względu nie nadaje się ono jako narzędzie przesiewowe w populacji ogólnej.

Choć osłuchiwanie serca stetoskopem jest podstawową metodą badania fizykalnego, w realiach krótkich wizyt w POZ nie jest wykonywane rutynowo, a jego czułość zależy od doświadczenia lekarza. Auskultacja serca jest umiejętnością trudną, coraz rzadziej praktykowaną w intensywnie obciążonych poradniach.

W badaniu – będącym efektem współpracy inżynierów, kardiologów, pielęgniarek badawczych oraz klinicystów z pięciu NHS Trusts – wykorzystano cyfrowe stetoskopy do rejestracji tonów serca u 1 767 pacjentów. Każdy uczestnik miał również wykonane badanie echokardiograficzne, które stanowiło punkt odniesienia.

Zamiast trenować algorytm w kierunku rozpoznawania klasycznych szmerów sercowych, badacze oparli jego uczenie bezpośrednio na wynikach echokardiografii. Dzięki temu system nauczył się identyfikować subtelne wzorce akustyczne, które mogą być niewykrywalne dla ludzkiego ucha – także w przypadkach bez wyraźnego szmeru.

W porównaniu z 14 lekarzami POZ, którzy oceniali te same nagrania, algorytm przewyższył każdego z nich pod względem trafności rozpoznania. Oceny lekarzy różniły się znacznie – część kładła nacisk na czułość, inni na swoistość. System AI zapewniał powtarzalne i stabilne wyniki, szczególnie w przypadkach ciężkiej choroby.

Algorytm został zaprojektowany w taki sposób, aby minimalizować liczbę wyników fałszywie dodatnich, co ogranicza ryzyko nadmiernego obciążenia pracowni echokardiografii. Autorzy podkreślają, że technologia nie ma zastępować lekarzy, lecz wspierać proces decyzyjny – pomagając wyłonić pacjentów wymagających dalszej diagnostyki.

Do przeprowadzenia badania wystarczy kilkusekundowa rejestracja dźwięków serca, a test może być wykonany przez personel o minimalnym przeszkoleniu. Eliminacja pacjentów bez istotnej patologii pozwala skoncentrować zasoby na osobach wymagających pilnej interwencji.

Przed wdrożeniem technologii do rutynowej praktyki klinicznej konieczne są dalsze badania w warunkach rzeczywistych poradni POZ, obejmujące zróżnicowaną populację pacjentów. Wady o umiarkowanym nasileniu są trudniejsze do wykrycia i wymagają dalszego udoskonalenia algorytmu.

Badacze wskazują jednak, że rozwiązania oparte na AI mogą pomóc w odpowiedzi na rosnące obciążenie systemu ochrony zdrowia związane ze starzeniem się populacji. Choroby zastawkowe są potencjalnie w pełni leczalne – odpowiednio przeprowadzona naprawa lub wymiana zastawki może zapewnić wiele lat dobrej jakości życia. Kluczowe pozostaje jednak właściwe wyczucie momentu interwencji. Proste, skalowalne narzędzia przesiewowe mogą umożliwić identyfikację pacjentów przed wystąpieniem nieodwracalnego uszkodzenia mięśnia sercowego.

Badanie było częściowo finansowane przez National Institute for Health Research, British Heart Foundation oraz Medical Research Council (MRC), będącą częścią UK Research and Innovation (UKRI).

Źródło: npj Cardiovascular Health, Development and Validation of AI-Enhanced Auscultation for Valvular Heart Disease Screening through a Multi-Centre Study
DOI: http://dx.doi.org/10.1038/s44325-026-00103-y