De STAT ACS-app kan door het combineren van resultaten van de troponine T-testkit met enkele klinische factoren, een klinisch significant acuut coronair syndroom (ACS) voorspellen bij patiënten met pijn op de borst thuis, zonder dat daar een medische omgeving en/of deskundig personeel voor nodig is. De app is met name nuttig in gebieden waar toegang tot uitgebreide diagnostische mogelijkheden beperkt is.1
Tijdens de COVID-19-pandemie werd het belang van snelle, betrouwbare diagnostiek extra duidelijk, zeker bij hartziekten. Een team onderzoekers uit India ontwikkelde daarom de STAT ACS-app, die met behulp van kunstmatige intelligentie (AI) het risico op een ACS voorspelt aan de hand van een simpele vingerprik en de troponine T-waarde. Deze app werd getest bij 1000 patiënten met klachten die op ACS konden wijzen. De troponine T-waarden uit point-of-care testen (POCT) werden vergeleken met laboratoriumuitslagen en met de resultaten van aanvullende onderzoeken, zoals een coronair angiogram en de SYNTAX-score.
De resultaten laten zien dat de STAT ACS-app een sterke correlatie had met zowel de laboratoriumuitslagen als de ernst van het coronairlijden zoals die met angiografie werd aangetoond. De voorspellende waarde bleek hoog met een sensitiviteit van 92% en een area under the curve (AUC)-waarde van 0,94. Dit maakt de app betrouwbaar om ACS te voorspellen, de aanwezigheid van coronaire hartziekte (CAD) in te schatten en de ernst ervan te beoordelen. Door de eenvoudige toepassing via een smartphone en een vingerpriktest biedt gebruik van deze app een betaalbare en snelle oplossing. Vooral bij ouderen en mensen met een beperkte mobiliteit of toegang tot zorg kan dit een groot verschil maken. De onderzoekers concluderen dat de STAT ACS-app een innovatief hulpmiddel is dat in acute situaties én bij risicoselectie in de eerste lijn kan bijdragen aan betere zorg. Verdere validatie wordt aanbevolen, maar de eerste resultaten stemmen de onderzoekers optimistisch.
Bron:
- Dey S, Debabrata R, Biswas N, et al. App based prediction of acute coronary syndrome by using artificial intelligence. ACC Congress 2025, abstract 924-07.