Artificial intelligence-enabled electrocardiogram analyses for the development of novel clinical screening tools

Abstract

Ziel des Kooperationsprojektes zwischen der Universitätsmedizin Greifswald und dem Universitätsklinikum Hamburg-Eppendorf war es, zu ergründen, ob auf Basis 10-sekündiger Elektrokardiogramme (EKGs) aus einer Ruhemessung der Probanden der beiden Kohortenstudien SHIP (Study of Health in Pomerania) und HCHS (Hamburg City Health Study) Modelle zur kardiovaskulären Risikostratifizierung entwickelt werden können. Insbesondere wurde sich darauf fokussiert, eine valide Schätzung des im Blutserum gemessenen NT-proBNP aus den EKGs zu generieren. Dieses Prohormon ist ein wichtiger und in der klinischen Praxis gängiger Biomarker für die Diagnose der Herzinsuffizienz. Allerdings erfolgt dessen Bestimmung in der Allgemeinbevölkerung nicht häufig genug, sodass präventive Maßnahmen bei Hochrisikopatienten womöglich nicht genutzt werden. Somit könnte eine zusätzliche kostengünstige und automatisierte Möglichkeit zur Bestimmung eines äquivalenten Werts die kardiovaskuläre Versorgung in der Allgemeinbevölkerung verbessern. Darüber hinaus wurde untersucht, inwiefern der Austausch des Laborwertes durch die EKG-Schätzung die Vorhersage für Herz-Kreislauf-relevanten Ereignissen, wie Vorhofflimmern oder Herzinfarkt beeinflusst. Trotz wesentlicher Kohortenunterschiede wurde eine zufriedenstellende Korrelation zwischen gemessenen und geschätztem NT-proBNP in beiden Studien erreicht. Es zeigte sich, dass mit der Schätzung von NT-proBNP kein signifikanter Verlust an Vorhersagekraft der Herzinsuffizienz einhergeht. Die Prädiktionsgüte ist jedoch bei der Betrachtung weiterer Endpunkte, wie Schlaganfall, Herzinfarkt oder kardiovaskulärer Tod verringert. Perspektivisch könnten ansässige Allgemeinmediziner nicht-invasiv und kosteneffizient (ohne Blutabnahme) den klinisch relevanten Biomarker NT-proBNP schätzen und so neben etwaiger sonstiger Symptomatik Patienten früher zum Facharzt zur Diagnosestellung überweisen.