AI-Enabled Digital Stethoscope for Early Detection of Congenital Heart Disease: Prospective Study

Elk jaar worden duizenden kinderen geboren met structurele defecten aan hun hart. In veel delen van de wereld is het vroegtijdig ontdekken van deze problemen een kwestie van leven of dood, maar de toegang tot gespecialiseerde artsen en dure beeldvormende apparatuur is vaak beperkt. Generaties lang was de eerste stap bij het opsporen van deze problemen de eenvoudige handeling van het luisteren. Een arts plaatst een stethoscoop tegen de borst van een kind om te luisteren naar het ritme van de hartslag en de aanwezigheid van extra geluiden, bekend als hartruis, die op een probleem kunnen wijzen. Deze methode is gratis, niet-invasief en bijna overal beschikbaar, maar het is volledig afhankelijk van de vaardigheid en ervaring van de persoon die het instrument vasthoudt. Een hartruis die voor een specialist duidelijk is, kan door een huisarts worden gemist, en de nauwkeurigheid van de diagnose kan sterk variëren afhankelijk van wie er luistert.

Om deze kloof te overbruggen, zijn onderzoekers begonnen met het verkennen van hoe computers beter kunnen leren luisteren dan mensen. Door een digitale stethoscoop te combineren met kunstmatige intelligentie, hopen wetenschappers een hulpmiddel te creëren dat de subtiele tekenen van hartziekten kan horen met dezelfde consistentie als een topexpert, ongeacht de omgeving of de training van de luisteraar. Deze aanpak vervangt niet de noodzaak van geavanceerde beeldvorming, die nog steeds de gouden standaard blijft voor het bevestigen van een diagnose, maar het biedt een krachtige manier om te beslissen wie die geavanceerde zorg onmiddellijk nodig heeft. Een nieuwe studie van een ziekenhuis in India test dit idee door te vragen of een computerprogramma betrouwbaar aangeboren hartafwijkingen bij kinderen kan detecteren door enkel de geluiden van hun harten te analyseren.

De onderzoekers zetten zich het doel om een systeem te bouwen en te testen dat hartslagen kan beluisteren en kan beslissen of een kind een hartdefect heeft. Ze rekruteerden 721 kinderen en jongvolwassenen, variërend van zuigelingen tot volwassenen, die een gespecialiseerde cardiologische afdeling bezochten. Ongeveer de helft van deze deelnemers had bevestigde hartdefecten, terwijl de anderen een structureel normaal hart hadden. Met behulp van een digitale stethoscoop die geluid opneemt en draadloos naar een smartphone verzendt, legde het team hartgeluiden vast op vier standaardplaatsen op de borst: rechtsboven, linksboven, linksonder en de punt van het hart. Elke opname duurde twintig seconden. Het team splitste vervolgens hun gegevens, waarbij geluiden van 301 deelnemers werden gebruikt om een computerprogramma te leren hoe een gezond hart klinkt versus een defect hart. De overige 420 deelnemers werden gebruikt om het programma te testen zonder dat de onderzoekers vooraf de werkelijke diagnose wisten, om ervoor te zorgen dat de test eerlijk en onbevooroordeeld was.

Het computerprogramma werkte door de ruwe geluidsgolven om te zetten in een visuele kaart, een mel-spectrogram genoemd. Deze kaart toont geluid op een manier die de menselijke perceptie van toonhoogte nabootst, waardoor de computer patronen in het geluid kan zien die onzichtbaar zijn voor het blote oor. Het programma analyseerde deze kaarten met behulp van een type kunstmatige intelligentie die bekend staat als een convolutioneel neuraal netwerk, dat is ontworpen om complexe patronen in afbeeldingen en geluiden te herkennen. Het systeem leerde specifieke akoestische handtekeningen te identificeren die geassocieerd worden met verschillende soorten hartdefecten, zoals de turbulente bloedstroom door een vernauwde klep of de continue stroom van bloed door een gat in de hartwand. Wanneer het programma een geluid hoorde, berekende het een waarschijnlijkheidsscore om te bepalen of het hart waarschijnlijk abnormaal was.

Toen de onderzoekers het systeem testten op de 420 onbekende deelnemers, waren de resultaten opmerkelijk. De kunstmatige intelligentie identificeerde correct 222 van de 233 kinderen met hartdefecten, waarbij slechts 11 gevallen werden gemist. Het identificeerde ook correct 171 van de 187 kinderen met gezonde harten, waarbij 16 gezonde kinderen als potentieel problematisch werden aangemerkt. Deze prestatie vertaalde zich naar een sensitiviteit van 95,2 procent en een specificiteit van 91,4 procent in vergelijking met de definitieve diagnose door echocardiografie, de echografie die wordt gebruikt als de definitieve referentie. In simpelere termen: de computer miste zeer weinig zieke kinderen en gaf zelden een vals alarm voor gezonde kinderen. Het systeem presteerde net zo goed als een getrainde kindercardioloog die luistert met een traditionele stethoscoop, en in sommige gevallen presteerde het zelfs beter dan menselijke luisteraars in lawaaierige omgevingen of bij onwelwillende kinderen die huilen of bewegen.

De studie keek ook nauwgezet naar de soorten hartdefecten die het systeem kon vinden. Het was uitzonderlijk goed in het opsporen van defecten waarbij de bloedstroom was toegenomen, zoals gaten tussen de hartkamers, waarbij het 98 procent van deze gevallen oppikte. Het was ook zeer effectief in het vinden van defecten waarbij de bloedstroom was afgenomen, zoals vernauwde kleppen, met een detectiepercentage van 93 procent. Zelfs voor defecten waarbij de bloedstroom normaal bleef, behield het systeem een sterke detectiegraad van 91 procent. De onderzoekers merkten op dat de weinige gevallen die het systeem miste, vaak de gevallen waren waarbij het hartdefect zeer zwakke of helemaal geen hoorbare geluiden produceerde, zelfs niet voor een deskundige menselijke arts. Dit suggereert dat de beperkingen van de computer vergelijkbaar waren met de beperkingen van het menselijk gehoor, in plaats van een falen van de technologie zelf.

De prestaties van het systeem bleven consistent over alle leeftijdsgroepen, van zuigelingen onder de één jaar tot volwassenen boven de achttien jaar. Dit is bijzonder belangrijk omdat het luisteren naar de harten van zuigelingen berucht moeilijk is; hun harten slaan veel sneller en ze zijn vaak aan het huilen of rusteloos, wat het voor een mens moeilijk maakt om het geluid van een hartruis te isoleren. Het feit dat de computer een hoge nauwkeurigheid behield onder deze uitdagende omstandigheden, suggereert dat het een essentieel hulpmiddel kan zijn voor programma's voor het screenen van pasgeborenen. De onderzoekers erkenden dat hun studie werd uitgevoerd in één centrum en dat het systeem werd getraind op gegevens van kinderen die nog geen hartoperatie hadden ondergaan. Ze merkten ook op dat het systeem is ontworpen om de aanwezigheid van een probleem te detecteren, en niet om het specifieke type defect of de ernst ervan te identificeren.

Ondanks deze beperkingen bieden de bevindingen een overtuigende visie voor de toekomst van de screening op hartziekten. De studie toont aan dat een systeem van kunstmatige intelligentie, geïntegreerd in een digitale stethoscoop, aangeboren hartziekten bij kinderen met een hoge nauwkeurigheid kan detecteren, waarbij het de prestaties van gespecialiseerde experts evenaart. Door een betrouwbare, niet-invasieve manier te bieden om te screenen op hartdefecten, kan deze technologie helpen om kinderen die dringende zorg nodig hebben veel eerder te identificeren, vooral in regio's waar de toegang tot gespecialiseerde kindercardiologen beperkt is. De onderzoekers concluderen dat een dergelijk hulpmiddel het potentieel heeft om screening te standaardiseren, vertragingen in de diagnose te verminderen en uiteindelijk de resultaten voor kinderen met hartdefecten over de hele wereld te verbeteren.