EKG pod lupą sztucznej inteligencji – przyszłość, która nadeszła?
Skrót informacji
- Wykluczanie zawału: AI‑ECG identyfikuje pacjentów niskiego ryzyka z czułością 99,6% i NPV 99,1% (ryzyko przeoczenia <1%).
- „Rule‑in” i lepsza klasyfikacja: dla wysokiego ryzyka PPV 60,4% (vs GRACE 38,8%); połączenie z HEART poprawia klasyfikację (NRI +19,6%).
- Zastosowanie i ograniczenia: skuteczny w NSTEMI i typie 2; nieco słabszy u >65 lat i przy przeroście lewej komory; szczególnie przydatny przy ograniczonym dostępie do troponin/konsultacji.
- Wpływ na wyniki: alerty AI‑ECG w RCT obniżyły 90‑dniową śmiertelność (4,3% → 3,6%; HR 0,83), z największą korzyścią u wysokiego ryzyka (2,4% → 0,2%; HR 0,07); AI wspiera lekarza, wymaga integracji i szkolenia.
Wstęp
Choroby układu sercowo-naczyniowego pozostają główną przyczyną zgonów na świecie, a ostry zawał mięśnia sercowego to jedno z najważniejszych wyzwań klinicznych w medycynie ratunkowej. Standard postępowania wobec pacjentów z bólem w klatce piersiowej zakłada jak najszybsze wykonanie badania EKG (ang. ECG – electrocardiogram). Trafna i szybka interpretacja zapisu EKG przez lekarza ma kluczowe znaczenie dla postawienia diagnozy i oceny ryzyka. Niemniej jednak, nawet doświadczeni klinicyści mogą napotkać trudności diagnostyczne – m.in. niejednoznaczne zmiany, różnice interpretacyjne czy ograniczoną dostępność kadry medycznej – co może prowadzić do opóźnionej diagnozy, zwłaszcza w przypadkach NSTEMI, w których obraz EKG bywa niejednoznaczny, a zmiany – subtelne.
Metodologia
W ostatnich latach rośnie zainteresowanie wykorzystaniem sztucznej inteligencji (ang. AI - artificial intelligence) w analizie EKG, jako potencjalnego wsparcia dla lekarzy w podejmowaniu decyzji klinicznych. Jednym z ważnych kroków w ocenie tej technologii było wieloośrodkowe, prospektywne badanie ROMIAE, którego wyniki zostały opublikowane w European Heart Journal w 2025 roku. Badanie miało na celu porównanie skuteczności algorytmu AI analizującego 12-odprowadzeniowe EKG (AI-ECG) w rozpoznawaniu zawału serca z klasycznymi narzędziami oceny ryzyka, takimi jak skale HEART i GRACE. Algorytm AI-ECG automatycznie klasyfikuje pacjenta do jednej z trzech kategorii ryzyka zawału serca: niskiego, pośredniego lub wysokiego. Klasyfikacja>
Wyniki
Podgrupy i ograniczenia
Omówienie i wnioski
