Mätningar med en miniatyrkamera inuti kranskärlen kan med stor precision förutsäga om någon kommer att drabbas av en återkommande hjärtinfarkt. Hittills har tolkningen av dessa bilder varit så komplex att endast specialiserade laboratorier har kunnat utföra den.
En ny studie från Radboud University Medical Center visar att AI på ett tillförlitligt sätt kan ta över denna analys och snabbt bedöma kranskärlens svaga punkter. Studien har publicerats i European Heart Journal.
En hjärtinfarkt inträffar när en kranskärl, som förser hjärtat med blod, blockeras av en blodpropp. Detta kan inträffa när åderförkalkning orsakar förträngning av artären, vilket leder till att hjärtat får för lite syre.
Behandlingen innefattar vanligtvis angioplastik, där en kardiolog vidgar artären med en liten ballong, vanligtvis följt av placering av ett litet rör, kallat stent. I Nederländerna utförs denna procedur cirka 40 000 gånger per år.
Förutsäga återkommande händelser
Trots detta drabbas cirka 15 % av patienterna som får en hjärtinfarkt av en ny händelse inom två år. För att bättre identifiera sårbara punkter i artären som kan utlösa nya infarkter genomförde teknikläkaren Jos Thannhauser och läkaren Rick Volleberg från Radboudumc tillsammans med sitt team en studie.
De analyserade kranskärlen hos 438 patienter med hjälp av en miniatyrkamera och specialutvecklad AI, och följde dessa patienter under två år.
Studien visar att AI upptäcker sårbara ställen i artärväggen lika bra som specialiserade laboratorier – den internationella guldstandarden – och till och med förutsäger nya infarkter eller dödsfall inom två år med större noggrannhet. Vad betyder detta för patienterna?
Volleberg förklarar: ”Om vi vet vem som har högriskplack och var de finns, kan vi i framtiden kanske skräddarsy medicinering eller till och med sätta in förebyggande stentar.”
Teknisk läkare Jos Thannhauser visar en OCT-bild av kranskärlens väggar vid Radbouds universitetssjukhus för att hitta svaga punkter i artärerna runt hjärtat. Källa: Radboudumc
Titta inuti artärväggen
Den miniatyrkameran använder en teknik som kallas optisk koherenstomografi (OCT). Den förs in genom armen i blodomloppet och tar bilder av artärerna med hjälp av nära infrarött ljus, vilket gör det möjligt att visualisera kärlväggen med mikroskopisk upplösning.
”Denna teknik används redan i klinisk praxis för att styra angioplastik och för att kontrollera om en stent har placerats korrekt”, förklarar Thannhauser.
”Det har visat sig att OCT minskar risken för nya infarkter och komplikationer. Men i dessa fall tittar läkarna bara på en mycket liten del av en artär – platsen för infarkten. Vår studie visar att denna teknik, i kombination med AI, har mycket större potential att kartlägga hela kärl.”
Mot klinisk tillämpning med AI
”En av utmaningarna med denna teknik är att det är extremt svårt för läkare att tolka OCT-bilder”, säger Thannhauser. Det är inte förvånande – varje ingrepp ger hundratals bilder.
Det är till och med svårt att bara bedöma stentplaceringen. Att analysera hela kranskärlen ger alldeles för många bilder för att kunna utvärderas manuellt.
”För närvarande är det bara ett fåtal specialiserade laboratorier som kan tolka dessa bilder, och inte ens de kan granska allt. Dessutom är det för dyrt och arbetsintensivt att genomföra detta manuellt i den rutinmässiga kliniska vården.”
Därför har Thannhausers team utvecklat AI som kan analysera alla bilder på ett tillförlitligt sätt och mycket snabbare än människor. ”AI kan redan hjälpa läkare vid stentplacering med OCT”, förklarar Thannhauser.
”Tack vare vår AI är vi nu ett steg närmare att skanna hela kranskärlen för att hitta sårbara ställen i klinisk praxis. Jag förväntar mig dock att det kommer att ta flera år innan detta blir verklighet.”
Thannhauser leder CARA Lab – ett kardiologilaboratorium med Abbott, Radboudumc och Amsterdam UMC.
Mer information: Niels van Royen et al, Artificial intelligence-based identification of thin-cap fibroatheromas and clinical outcomes: the PECTUS-AI study, European Heart Journal (2025). DOI: 10.1093/eurheartj/ehaf595
