Nieuw algoritme detecteert veertien soorten hartritmestoornissen

Een nieuw algoritme ontwikkeld door onderzoekers van de Amerikaanse Stanford University is in staat veertien soorten hartritmestoornissen te detecteren. Dit doet het algoritme net zo nauwkeurig als cardiologen en in sommige gevallen zelfs nauwkeuriger. De onderzoekers verwachten dat het algoritme de diagnose en behandelingen van mensen met hartritmestoornissen kan verbeteren.

Van mensen die vermoedelijk hartritmestoornissen wordt doorgaans een elektrocardiogram (ECG) gemaakt in het ziekenhuis. In sommige gevallen wordt het probleem echter niet zichtbaar op deze ECG, waarna patiënten een draagbaar apparaat mee naar huis krijgen dat gedurende twee weken permanent hun hart monitort. Dit levert honderden uren aan data op, die minutieus door de cardioloog zullen moeten worden geanalyseerd om indicaties van hartritmestoornissen op te sporen. Niet alleen is dit proces zeer tijdrovend, ook zijn serieuze problemen niet altijd eenvoudig te onderscheiden van onschuldig onregelmatigheden in het hartritme van patiënten.

Subtiele verschillen detecteren

“De verschillende in hartritme kunnen zeer subtiel zijn, maar een enorme impact hebben op de behandelwijze”, zegt Pranav Rajpurkar, één van de onderzoekers die betrokken is bij het project. “Twee vormen van hartritmestoornissen die bekend staan als ‘tweedegraads-atrioventriculair-blokken’ zien er bijvoorbeeld nagenoeg hetzelfde uit. De één vereist echter geen behandeling, terwijl de andere directe actie vereist.”

Om dit probleem op te lossen hebben onderzoekers van de Stanford Machine Learning Group onder leiding van hoogleraar computerwetenschappen Andrew Ng een deep learning algoritme ontwikkeld. Een dergelijk algoritme is gebaseerd op het menselijk brein en is in staat zelfstandig nieuwe vaardigheden aan te leren. Hoe meer voorbeelden het algoritme verwerkt, hoe nauwkeuriger het zijn werk kan doen.

Algoritme trainen

De onderzoekers hebben het algoritme in kwestie getraind om 14 verschillende soorten hartritmestoornissen te herkennen. Hiervoor hebben zij gebruik gemaakt van een grote dataset die afkomstig is van iRhythm, een Amerikaans bedrijf dat draagbare technologie levert voor het detecteren van hartritmestoornissen. Deze dataset bestond uit 30.000 opnames van dertig seconden van verschillende patiënten met uiteenlopende hartritmestoornissen. De opnames zijn gemaakt met de Zio Patch, een draagbaar apparaat dat het hart van patiënten gedurende een periode van twee weken monitort. 

Het deep learning algoritme heeft in totaal ruim zeven maanden getraind met deze dataset. Na deze periode is het algoritme getest. Hierbij hebben zes cardiologen onafhankelijk van elkaar een set met 336 opnames van hartritmes van 328 unieke patiënten beoordeeld. Vervolgens heeft het deep learning algoritme dezelfde reeks opnames geanalyseerd. Uit deze proef blijkt dat het algoritme in staat is alle 14 hartritmestoornissen even nauwkeurig te detecteren als de cardiologen. Sommige stoornissen worden door het algoritme zelfs nauwkeuriger gedetecteerd.

Artsen ontlasten

Het algoritme is overigens niet bedoeld om artsen te vervangen, maar juist om hen te ondersteunen. Met de inzet van het algoritme hopen de onderzoekers artsen te kunnen ontlasten, zodat zij meer tijd beschikbaar hebben voor andere zorgtaken. De tijdsbesparing die hiermee in potentie wereldwijd gerealiseerd kan worden is enorm; de Stanford University meldt dat naar schatting ruim 300 miljoen ECG’s per jaar worden uitgevoerd. Ook merken de onderzoekers op dat een deep learning algoritme enkele voordelen biedt ten opzichte van menselijke cardiologen. Zo wordt een deep learning algoritme nooit moe, kan hartritmestoornissen per direct detecteren en kan het 24/7 aan het werk worden gezet. 

Daarnaast hopen zij de kwaliteit van de zorg die wordt geleverd aan patiënten met hartritmestoornissen te verbeteren. Zo hopen de onderzoekers hun algoritme te kunnen combineren met goedkope ECG-apparaten, zodat ECG breder ingezet kan worden als een diagnostische tool. Dit is volgens de onderzoekers onder andere interessant voor patiënten die in afgelegen gebieden wonen, aangezien de toegang tot cardiologische zorg hier vaak beperkt is. Zo wonen patiënten vaak ver van het ziekenhuis, waardoor het afreizen naar een arts veel tijd in beslag neemt. 

Auteur: Wouter Hoeffnagel
Bron: Stanford University
Bron: arXiv