Met een app die gebruikmaakt van een AI-model dat een enkelvoudig elektrocardiogram (ecg)-signaal van een smartwatch analyseert, kunnen structurele hartziekten worden opgespoord. Opvallend is dat de app afwijkingen kan detecteren bij mensen zonder klachten, waardoor deze een kans biedt om hartfalen, klepafwijkingen of linkerventrikelhypertrofie in een vroeg stadium op te sporen en de prognose te verbeteren.1
Het algoritme werd getraind met 266.054 ecg’s van 110.006 patiënten, gekoppeld aan echocardiografieën binnen 30 dagen. Daarmee kon nauwkeurig worden bepaald welke elektrische patronen samenhangen met structurele afwijkingen. De onderzoekers introduceerden bovendien ‘ruis’ om het model bestand te maken tegen storingen door beweging of spierspanning. In de validatiefase werd het model getest bij ruim 44.591 patiënten uit 4 ziekenhuizen en 3.014 deelnemers aan de ELSA-Brasil-studie. Vervolgens werd het model getest bij 600 mensen die een ecg via hun smartwatch kregen, gevolgd door een echo. Van hen bleek 5,3% (n = 21) structurele hartziekte te hebben. Het AI-model behaalde een area under the curve van 0,88 met een sensitiviteit van 86%, specificiteit van 87%, negatief voorspellende waarde van 99% en positief voorspellende waarde van 27%.
Volgens de onderzoekers toont deze studie voor het eerst aan dat real-world smartwatches meerdere structurele hartziekten kunnen detecteren. De technologie biedt brede toepassingsmogelijkheden: via eigen devices, maar ook in buurthuizen of supermarkten, zodat bezit van een smartwatch geen voorwaarde is. Hoewel de technologie nog verder gevalideerd moet worden, stellen de onderzoekers dat ze kan helpen om patiënten met HF, klepaandoeningen en linkerventrikelhypertrofie eerder te identificeren, nog voordat ze klachten ontwikkelen. Dat zou de prognose van deze patiënten aanzienlijk kunnen verbeteren. Experts waarschuwen tegelijkertijd wel voor overdiagnose.
Bron:
- Aminorroaya A, et al. AI-enabled assessment of ECG to define cardiovascular risk and outcomes. AHA Congress 2025, session AI.CVS.01.