Automated echocardiographic measurements for longitudinal monitoring of ATTR cardiomyopathy: agreement and repeatability analysis

Deze studie toont aan dat AI-gestuurde echocardiografische metingen voor het monitoren van ATTR-cardiomyopathie een vergelijkbare herhaalbaarheid hebben als ervaren cardiologen, wat ondersteunt dat geautomatiseerde analyse geschikt is voor longitudinale follow-up ondanks enige systematische afwijkingen in de absolute waarden.

De kern

Stel je voor dat het hart van iemand met een specifieke hartziekte (ATTR-cardiomyopathie) als een langzaam lekkende emmer is. De artsen willen weten of die emmer sneller lekt of juist langzamer, zodat ze de behandeling kunnen aanpassen. Om dit te zien, kijken ze jaarlijks met een echo-kamera naar het hart.

Maar hier zit een probleem: het aflezen van die echo's is als het meten van de waterstand in die emmer met een handgeschreven liniaal. Als je het zelf doet, of als je het aan een collega vraagt, kan de uitkomst net iets anders zijn. Soms is het verschil klein, soms groter. Het hangt af van wie er kijkt en hoe goed ze hebben geslapen.

Wat hebben deze onderzoekers gedaan?
Ze hebben gekeken of een slimme computer (kunstmatige intelligentie) deze metingen beter, consistenter en sneller kan doen dan mensen. Ze hebben 62 patiënten gevolgd en hun hartfoto's laten analyseren door:

1. Een ervaren cardioloog (de 'meester').
2. Een tweede cardioloog.
3. Een beginnende arts (de 'leerling').
4. De AI-computer.

Wat bleek eruit? (De vergelijking)

• De Meesters vs. De Leerling: De twee ervaren artsen waren het redelijk eens, maar de leerling maakte veel meer fouten. Het was alsof de meester en de leerling probeerden dezelfde emmer te meten, maar de leerling hield de liniaal scheef.
• De AI vs. De Meester: De computer was niet perfect in het exact overeenkomen met de metingen van de meester. De computer dacht bijvoorbeeld dat het hart iets kleiner was dan de arts dacht (een 'systematisch verschil', alsof de computer een liniaal heeft die net 2 millimeter te kort is).
• De echte winnaar: De Herhaalbaarheid: Dit is het belangrijkste punt. Als je de computer twee keer dezelfde foto laat meten, geeft hij elke keer exact hetzelfde antwoord. Hij is als een robot die nooit moe wordt en nooit zijn liniaal scheef houdt.
  • De ervaren artsen waren ook heel consistent, maar de computer deed het net zo goed als zij.
  • De beginnende arts was veel onzekerder; zijn metingen schommelden meer.

Wat betekent dit voor de patiënt?
Ook al denkt de computer soms dat het hart net iets anders groot is dan de mens, het is ontzettend betrouwbaar in het zien van veranderingen over tijd.

Stel je voor dat je elke maand je gewicht meet. Als je weegschaal altijd 2 kilo te zwaar aangeeft, maakt dat niet uit. Als hij maand na maand hetzelfde doet, zie je precies of je 5 kilo afvalt of juist aankomt. De AI werkt zo. Hij is een perfecte, onuitputtelijke meetlat die artsen kan helpen om heel precies te zien of de ziekte vooruitgaat of stilstaat, zonder dat ze hoeven te twijfelen aan de meting.

Kortom: De computer is misschien niet de beste 'schatter' van het hart, maar hij is de beste 'meter' voor het volgen van veranderingen. Dat maakt hem een waardevolle hulp voor artsen om de behandeling van hartpatiënten in de toekomst beter op maat te maken.

Technische samenvatting

Technische Samenvatting: Geautomatiseerde echocardiografische metingen voor longitudinale monitoring van ATTR-cardiomyopathie

1. Het Probleem
Bij patiënten met transthyretine-cardiomyopathie (ATTR-CM) is het tijdig detecteren van ziekteprogressie essentieel om behandelstrategieën te personaliseren, vooral gezien de opkomst van nieuwe therapieën. Hoewel echocardiografie geschikt is om subtiele longitudinale veranderingen waar te nemen, wordt deze methode beperkt door een hoge mate van operator-afhankelijkheid. Dit leidt tot variabiliteit tussen verschillende beoordelaars en zelfs binnen dezelfde beoordelaar, wat de nauwkeurigheid van het monitoren van ziekteprogressie in de praktijk kan beïnvloeden.

2. Methodologie
De studie is een retrospectieve analyse die 62 patiënten met ATTR-CM omvat, waarbij in totaal 178 seriële jaarlijkse echocardiogrammen zijn geanalyseerd. De data zijn beoordeeld door vier verschillende bronnen:

• Een referentie-cardioloog (ervaren).
• Een tweede cardioloog (ervaren).
• Een beginnende lezer (novice).
• Een volledig geautomatiseerd AI-algoritme (Us2.ai).

De statistische analyse omvatte:

• Interrater-overeenkomst: Beoordeeld met Bland-Altman-analyse en Intraclass Correlation Coefficients (ICC).
• Intrarater-variabiliteit: Afgeleid uit herhaalde, geblindeerde metingen door menselijke lezers.
• Repeatability (herhaalbaarheid): Voor de AI bepaald via pairwise verschillen binnen de studie.
• Smallest Detectable Change (SDC): Gedefinieerd als de grenzen van overeenstemming (LoA = gemiddeld verschil ± 1,96 x SD), wat de minimale waarneembare verandering aangeeft.

3. Belangrijkste Bijdragen
Het onderzoek levert een directe vergelijking tussen menselijke expertise en een volledig geautomatiseerd AI-systeem in een real-world setting. Het introduceert een kwantitatieve analyse van de reproduceerbaarheid van AI ten opzichte van ervaren cardiologen en novices, specifiek gericht op de longitudinale monitoring van ATTR-CM. De studie benadrukt de potentie van AI om de operator-afhankelijkheid te reduceren, ondanks mogelijke systematische verschillen in absolute waarden.

4. Resultaten

• Overeenkomst AI vs. Referentie: De AI toonde een matige overeenkomst met de referentie-cardioloog voor de dikte van het interventriculaire septum (IVSd) en het linkerventrikel-einddiastolisch volume (LVEDV), met ICC-waarden van respectievelijk 0,65 en 0,51. Er waren systematische biasen: de AI mat gemiddeld 1,9 mm dunner (IVSd) en 39 mL kleiner (LVEDV) dan de referentie.
• Menselijke Overeenkomst: De overeenkomst tussen de twee ervaren cardiologen was goed (ICC 0,79 en 0,84) met verwaarloosbare bias (-0,2 mm en +3 mL).
• Variabiliteit (Repeatability):
  • Ervaren cardiologen: Toonden een intrarater-variabiliteit van 3,0 mm / 43 mL (referentie) en 2,7 mm / 31 mL (tweede cardioloog).
  • AI: Toonde een vergelijkbare repeatability met LoA van 3,6 mm en 37 mL.
  • Novice: Toonde een aanzienlijk hogere variabiliteit (5,1 mm en 61 mL).

5. Betekenis en Conclusie
De studie concludeert dat AI-gebaseerde metingen een reproduceerbaarheid vertonen die vergelijkbaar is met die van ervaren cardiologen, en duidelijk superieur is aan die van novices. Hoewel er sprake is van matige overeenkomst en systematische verschillen in volumetrische beoordelingen (wat betekent dat absolute waarden niet direct uitwisselbaar zijn zonder kalibratie), ondersteunt de hoge reproduceerbaarheid het gebruik van geautomatiseerde analyses voor longitudinale monitoring.

Voor het volgen van ziekteprogressie bij ATTR-CM is de consistentie van de AI (de lage variatie in herhaalde metingen) cruciaal. Dit maakt het systeem geschikt om subtiele veranderingen over tijd te detecteren, mits de metingen binnen hetzelfde systeem worden uitgevoerd, wat een waardevolle toevoeging biedt aan de klinische praktijk voor het personaliseren van behandelingen.