AI bättre än människor på att hitta farliga rytmrubbningar

Linda Johnson, docent vid Lunds universitet.

Pressmeddelande: 2025-02-10

Artificiell Intelligens (AI) var mycket bättre än människor på att hitta farliga rytmrubbningar, visar en studie vid Lunds universitet med anslag från Hjärt-Lungfonden som publiceras i tidskriften Nature Medicine.

Forskarna bakom studien tror att AI kan leda till snabbare, billigare och bättre diagnostik av rytmrubbningar som förmaksflimmer.

– Vår forskning visar att AI var mycket bättre än de mänskliga biomedicinska analytikerna på att hitta farliga rytmrubbningar. Den missade 14 gånger färre diagnoser än människor gjorde, säger Linda Johnson, docent vid Lunds universitet.

Ökad risk för stroke

Folksjukdomen förmaksflimmer är den vanligaste rytmrubbningen och kan leda till allvarliga konsekvenser. Personer med förmaksflimmer har en ökad risk för stroke, demens, hjärtsvikt och för tidig död. Tidiga tecken på förmaksflimmer kan idag upptäckas med hjälp av långtids-EKG över ett dygn.

– Vi hoppas att de här forskningsresultaten kommer att leda till snabbare, billigare och bättre diagnostik av rytmrubbningar som förmaksflimmer, vilket kan minska risken för stroke och rädda liv, säger Kristina Sparreljung, generalsekreterare för Hjärt-Lungfonden.

I den aktuella studien har forskarna testat en AI-algoritm för rytmgranskning av långtids-EKG. Det görs för närvarande av biomedicinska analytiker, vilket är en tidskrävande process.

Största AI-studien

Det här är den i särklass största studien av AI för tolkning av långtids-EKG. 14 606 patienter har ingått i studien och mer än 50 kardiologer från hela världen har utvärderat resultaten från både de biomedicinska analytikerna och AI:n.

Studien visade att AI-algoritmen missade 14 gånger färre diagnoser än de mänskliga biomedicinska analytikerna. AI-algoritmen missade en allvarlig arytmi i 0,3 procent av fallen, jämfört med 4,4 procent för de mänskliga analyserna. Detta kom till en godtagbar kostnad av måttligt ökade falska positiva resultat.

Nästa steg är att testa AI-algoritmen för EKG-tolkning i en större klinisk prövning för att bekräfta användbarheten i verklig vårdmiljö.