Enligt en ny studie kan artificiell intelligens hjälpa läkare att upptäcka allvarliga hjärtklaffssjukdomar flera år tidigare, vilket potentiellt kan rädda tusentals liv.
Forskare under ledning av University of Cambridge analyserade hjärtljud från nästan 1 800 patienter med hjälp av en AI-algoritm som tränats att känna igen klaffssjukdomar, ett tillstånd som ofta förblir odiagnostiserat tills det blir livshotande.
AI identifierade korrekt 98 % av patienterna med svår aortastenos, den vanligaste formen av klaffsjukdom som kräver operation, och 94 % av dem med svår mitralisinsufficiens, där hjärtklaffen inte stängs helt och blod läcker bakåt över klaffen.
Tekniken, som fungerar med digitala stetoskop, överträffade allmänläkare när det gällde att upptäcka klaffsjukdom och skulle kunna användas som ett snabbt screeningverktyg inom primärvården. Resultaten redovisas i tidskriften npj Cardiovascular Health.
Ett tyst men utbrett hot
”Hjärtklaffsjukdom är en tyst epidemi”, säger professor Anurag Agarwal från Cambridge Universitys ingenjörsvetenskapliga fakultet, som ledde forskningen.
”Uppskattningsvis 300 000 personer i Storbritannien har allvarlig aortastenos, och omkring en tredjedel av dem vet inte om det. När symtomen väl uppträder kan utgången vara värre än för många cancerformer. ”
Hjärtklaffsjukdom drabbar mer än hälften av alla personer över 65 år, och ungefär en av tio har en allvarlig form av sjukdomen. I de tidiga stadierna är den ofta symptomfri.
”När avancerade symptom utvecklas kan risken för död vara så hög som 80 % inom två år om sjukdomen inte behandlas”, säger medförfattaren professor Rick Steeds från University Hospitals Birmingham. ”Den enda behandlingen som finns idag är kirurgi för att reparera eller ersätta klaffen.”
Begränsningar i dagens diagnosmetoder
Idag baseras diagnosen av hjärtklaffssjukdom på ekokardiografi, som är den gyllene standarden, men som är dyr och tidskrävande. Väntetiderna inom den offentliga sjukvården kan sträcka sig över många månader, vilket innebär att metoden inte kan användas som screeningverktyg för den allmänna befolkningen.
Läkare kan lyssna på hjärtat med ett stetoskop, men detta görs inte rutinmässigt vid korta läkarbesök och det är känt att många fall missas.
”Hjärtlyssning är en svår färdighet och används allt mindre i hektiska läkarmottagningar”, säger Agarwal. ”Det är en stor del av anledningen till att så många fall av klaffsjukdom missas.”
Hur AI-verktyget utvecklades
Den nya studien – ett samarbete mellan ingenjörer och kardiologer, forskningssjuksköterskor och andra kliniker från fem NHS Trusts – använde digitala stetoskop för att spela in hjärtljud från 1 767 patienter. Varje deltagare i studien genomgick också ett ekokardiogram, som användes som referens.
I stället för att träna algoritmen att känna igen hjärtljud – den traditionella diagnostiska markören – tränade forskarna den direkt på ekokardiogramresultat. Detta gjorde det möjligt för systemet att lära sig subtila akustiska mönster som människor kan missa, inklusive fall utan uppenbara blåsljud.
När algoritmen testades mot 14 allmänläkare som lyssnade på samma inspelningar, presterade den bättre än var och en av dem, och gjorde det konsekvent. De enskilda allmänläkarna varierade kraftigt i sina bedömningar, där vissa prioriterade känslighet och andra specificitet. AI-systemet levererade tillförlitliga resultat varje gång och var särskilt noggrant när det gällde allvarliga sjukdomar.
Potentiell inverkan på den dagliga hälso- och sjukvården
Systemet utformades för att minimera falska larm och minska risken för att överbelasta redan ansträngda ekokardiografitjänster. Forskarna säger att tekniken inte är avsedd att ersätta läkare, men att den kan vara ett användbart screeningverktyg som hjälper läkare att avgöra vilka patienter som bör remitteras för vidare undersökning och behandling.
Det behövs bara några sekunders inspelning av hjärtljud, och testet kan utföras av personal med minimal utbildning. ”Om man kan utesluta personer som definitivt inte har någon allvarlig sjukdom kan man fokusera resurserna på dem som behöver dem mest”, säger Agarwal.
Nästa steg och framtidsutsikter
Forskarna säger att ytterligare studier, genomförda i verkliga vårdmiljöer med en mångfaldig patientgrupp, kommer att behövas innan enheten kan lanseras för allmänheten. Dessutom säger de att mer måttliga former av klaffsjukdom är svårare att upptäcka.
De säger dock att AI kan bidra till att hantera den ökande belastningen på hälso- och sjukvården som orsakas av en åldrande befolkning.
”Klaffsjukdomar är behandlingsbara. Vi kan reparera eller ersätta skadade klaffar och ge människor många fler år av ett hälsosamt liv”, säger Steeds. ”Men timing är allt. Enkla, skalbara screeningverktyg som detta kan göra en verklig skillnad genom att hitta patienter innan irreversibla skador uppstår.”
Mer information
Utveckling och validering av AI-förbättrad auskultation för screening av hjärtklaffssjukdomar genom en multicenterstudie, npj Cardiovascular Health (2026). DOI: 10.1038/s44325-026-00103-y
