AI-modellen blijken cardiale amyloïdose nauwkeurig te kunnen opsporen binnen een scala aan cardiologische onderzoeken, uiteenlopend van elektrocardiografie tot multimodale beeldvorming. Hiermee wordt vroege diagnose mogelijk, wat zijn weerslag zal hebben op de mortaliteitsuitkomsten bij deze nog steeds ondergediagnosticeerde patiëntenpopulatie.
Met een vroege diagnose van cardiale amyloïdose kunnen patiënten tijdige en effectieve behandeling krijgen. Kunstmatige intelligentie (AI) kan een interessante rol spelen bij het verbeteren van de opsporing van de ziekte, zelfs buiten de gespecialiseerde verwijscentra. In een systematische review en vervolgens een meta-analyse werden de prestaties onderzocht van huidige AI-strategieën voor de opsporing van cardiale amyloïdose, waarbij zowel lichte keten (AL) als transthyretine amyloïdose (ATTR) werden meegenomen. Er werden 26 studies geïncludeerd.
In totaal ging het om 18.010 patiënten met cardiale amyloïdose met een mediane leeftijd van 74 jaar; 77,7% was man. In deze populatie hadden 3.470 patiënten ATTR en 2.698 patiënten hadden AL. De onderzoekers voerden een multi-level meta-analyse uit om de samengevatte area under the curve (AUC) te schatten. Men kwam tot de volgende AUC-waardes: echocardiografie 0,93, elektrocardiografie 0,87, een MRI van het hart 0,93 en informatie gebaseerd op elektronische patiëntendossiers 0,83. Ook werd 1 biomarkerstudie geïdentificeerd, 1 PET- en 3 scintigrafiestudies. Binnen een reeks van geaugmenteerde modaliteiten voor de opsporing van cardiale amyloïdose was de samengevatte AUC 0,88.
De onderzoekers benadrukten dat deze studie laat zien dat AI de potentie heeft om de efficiëntie en de kwaliteit van de klinische praktijk te verbeteren.
Bron:
- Adams C, Gorrie N, Raftopulos N, et al. AI for the detection of cardiac amyloidosis: insights from a systematic review and meta-analysis. ACC Congress 2024, abstract 1204-128.