Model głębokiego uczenia zespołu Ziada Obermeyera z Uniwersytetu Kalifornijskiego w Berkeley, wytrenowany na ponad 440 tys. zapisów EKG ze Szwecji, wskazał grupę pacjentów, w której nagły zgon sercowy dotyka 7 proc. osób rocznie. Standardowe kryterium kardiologiczne, czyli obniżona frakcja wyrzutowa lewej komory, wyłania grupę z ryzykiem 4,6 proc., a model przy okazji ujawnił w zapisie EKG wzorzec, którego literatura medyczna dotąd nie opisywała.
- Model głębokiego uczenia zespołu Ziada Obermeyera z UC Berkeley, wytrenowany na ponad 440 tys. zapisów EKG ze Szwecji, wyłonił grupę 2,2 proc. pacjentów z rocznym ryzykiem nagłego zgonu sercowego wynoszącym 7 proc. – wyższym niż 4,6 proc. w grupie wskazanej przez standardowe kryterium kardiologiczne, czyli obniżoną frakcję wyrzutową lewej komory.
- Aż 86,1 proc. osób oznaczonych przez algorytm jako wysokiego ryzyka nie spełniało kryterium obniżonej frakcji wyrzutowej, a nawet wśród pacjentów z prawidłową frakcją wyrzutową algorytm wydzielił podgrupę z ryzykiem 6,4 proc. rocznie.
- Badacze ujawnili w zapisie EKG dotąd nieopisany wzorzec – „rozmycie" końcowej części załamka R w odprowadzeniu aVL – który może świadczyć o rozpadzie sygnału elektrycznego w mięśniu serca, jednak samo badanie miało charakter obserwacyjny i autorzy zastrzegają, że wymagane są badania z randomizacją, zanim wynik algorytmu będzie mógł służyć do kwalifikacji pacjentów do wszczepienia defibrylatora.
Praca „An ECG biomarker for sudden cardiac death discovered with deep learning” ukazała się w czasopiśmie Nature 24 czerwca 2026 r., a 14 listopada 2026 r. przypomniał ją serwis ScienceDaily. Autorami są Ziad Obermeyer, Alexander Schubert, James Ross, Sendhil Mullainathan i Markus Lingman.
Model wskazał 2,2 proc. pacjentów z ryzykiem 7 proc. rocznie
Grupa wysokiego ryzyka wyznaczona przez algorytm była liczniejsza i bardziej zagrożona niż grupa wyłaniana dziś przez kardiologów. Algorytm zaliczył do niej 2,2 proc. badanej szwedzkiej próby, przy rocznym odsetku nagłych zgonów sercowych równym 7,0 proc. Osoby z obniżoną frakcją wyrzutową stanowiły 1,9 proc. próby i umierały nagle w 4,6 proc. przypadków rocznie.
| Kryterium | Udział w próbie | Roczny odsetek nagłych zgonów sercowych |
|---|---|---|
| Model AI analizujący EKG | 2,2 proc. | 7,0 proc. |
| Obniżona frakcja wyrzutowa lewej komory (LVEF) | 1,9 proc. | 4,6 proc. |
Najciekawsze jest to, kogo model wyłapał. Aż 86,1 proc. osób oznaczonych przez algorytm nie spełniało kryterium obniżonej frakcji wyrzutowej. Nawet wśród pacjentów ze zmierzoną, prawidłową frakcją wyrzutową algorytm wydzielił podgrupę z ryzykiem 6,4 proc., wyższym niż u chorych kwalifikowanych dziś do leczenia.
Pozostałe wyniki opisane w omówieniach publikacji:
- Główna analiza objęła odłożony wcześniej zbiór 119 541 zapisów EKG od 35 885 pacjentów poniżej 80. roku życia, obserwowanych przez rok. Wskaźnik AUC (miara trafności, w której 0,5 oznacza zgadywanie, a 1 bezbłędność) wyniósł 0,872.
- W amerykańskim systemie szpitalnym AUC sięgnęło 0,822 dla migotania komór lub częstoskurczu komorowego. Najbardziej ryzykowne 2,2 proc. zapisów wiązało się tam z 29,1 proc. rocznej częstości tych arytmii przy średniej 3,8 proc.
- Rejestr szpitalny z Tajwanu dał AUC 0,767 przy przewidywaniu zatrzymań krążenia o podłożu arytmicznym.
- Pacjenci z grupy wysokiego ryzyka, którzy mieli już wszczepiony defibrylator, umierali o 54,4 proc. rzadziej, niż wynikałoby z prognozy. Badanie miało charakter obserwacyjny i nie zaprojektowano go do udowodnienia skuteczności defibrylatorów w tej grupie.
Skąd pochodzą dane: sześć lat zapisów EKG ze Szwecji połączonych z aktami zgonu
Model uczył się na sześciu latach zapisów EKG ze szwedzkiej publicznej ochrony zdrowia, które badacze połączyli z aktami zgonu. Recenzja opublikowana razem z artykułem mówi o 441 614 zapisach i 64-warstwowej sieci ResNet przewidującej nagły zgon sercowy w ciągu roku. Dane zebrano w regionie Halland w latach 2010-2016, od około 188 tys. pacjentów.
Gotowy algorytm sprawdzono następnie na dwóch latach zanonimizowanych zapisów z sieci szpitali w San Diego oraz na osobnym zbiorze z Tajpej. Według Obermeyera samo zgromadzenie danych zajęło około 10 lat i wymagało udziału dwóch organizacji, które współtworzył: Dandelion Health i Nightingale Open Science.
„Dobra AI zaczyna się od dobrych danych” / „Good AI starts with good data”, mówi Ziad Obermeyer, profesor w Szkole Zdrowia Publicznego UC Berkeley i lekarz medycyny ratunkowej. Dodaje, że trudny dostęp do takich zbiorów w dużej mierze tłumaczy, dlaczego w praktyce klinicznej działa dziś tak mało narzędzi AI.
Nowy wzorzec w odprowadzeniu aVL może świadczyć o rozpadzie sygnału elektrycznego w mięśniu serca
Algorytm nie tylko przewiduje ryzyko. Pokazał też badaczom, na co patrzy. Zespół połączył model predykcyjny z generatywnym modelem EKG i w ten sposób uwidocznił dwie cechy: odchylenie osi serca oraz nieopisane wcześniej „rozmycie” końcowej części załamka R w odprowadzeniu aVL. Taki kształt zapisu sugeruje, że sygnał elektryczny rozpada się podczas przechodzenia przez mięsień serca.
„Wydobyliśmy nową wiedzę z modelu sztucznej inteligencji” / „We extracted new knowledge from an artificial intelligence model”, komentuje Changxin Lai, inżynier biomedyczny, który recenzował badanie i napisał towarzyszącą mu analizę w Nature.
Od kilku lat czytam o modelach, które „widzą w EKG więcej niż lekarz”. Większość takich prac kończy się na liczbie AUC i czarnej skrzynce. Praca zespołu Obermeyera idzie krok dalej, bo badacze zmusili sieć do pokazania wzorca, który kardiolog może obejrzeć na papierze i sprawdzić u własnych pacjentów. To moim zdaniem najmocniejsza część tej publikacji.
Mam też wątpliwości. Grupa wysokiego ryzyka to 2,2 proc. badanych, w której 93 osoby na 100 nie umierają nagle w danym roku. Wszczepienie defibrylatora jest zabiegiem inwazyjnym i kosztownym. Dopóki nie ma badań z randomizacją, nikt nie wie, czy leczenie osób wskazanych przez algorytm rzeczywiście ratuje życie. Pytanie, kto zapłaci za takie badania i ile lat potrwają, pozostaje otwarte.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Dlaczego frakcja wyrzutowa zawodzi jako jedyne kryterium
Nagłe zatrzymanie krążenia zabija w Stanach Zjednoczonych ponad 300 tys. osób rocznie, a około 90 proc. przypadków poza szpitalem kończy się śmiercią w ciągu kilku minut. Lekarstwo istnieje od dziesięcioleci: wszczepialny kardiowerter-defibrylator (ICD), który przerywa groźną arytmię impulsem elektrycznym. Problemem jest wybór pacjentów.
Dziś decyduje o nim głównie frakcja wyrzutowa lewej komory (LVEF), czyli odsetek krwi wypychanej z serca przy każdym skurczu. Pomiar wymaga badania obrazowego, na które wiele osób nigdy nie trafia, bo nie ma objawów. Kryterium myli się też w drugą stronę: według UC Berkeley około dwóch trzecich defibrylatorów wszczepionych pacjentom uznanym za zagrożonych nigdy nie wykonuje wyładowania. EKG jest natomiast badaniem tanim i wykonywanym rutynowo, więc algorytm mógłby przeglądać zapisy już zgromadzone w szpitalnych archiwach.
Do gabinetów jeszcze daleko: potrzebne są badania z randomizacją
Wyniki nie zmieniają na razie praktyki lekarskiej. Sami autorzy przyznają, że dopiero badania z randomizacją pokażą, czy pacjenci wskazani przez nowy biomarker odnoszą korzyść z wszczepienia defibrylatora.
Ostrożność zalecają też osoby spoza zespołu. Sumeet S. Chugh, dyrektor Center for Cardiac Arrest Prevention w Cedars-Sinai Medical Center, który nie brał udziału w badaniu, ocenił w rozmowie ze Scientific American, że przed użyciem takich wyników do kwalifikacji pacjentów potrzeba znacznie więcej badań. Scientific American wymienia jeszcze trzy zastrzeżenia:
- Powiązanie nowego wzorca ze zwłóknieniem mięśnia serca widocznym w rezonansie magnetycznym ma charakter wstępny i nie zostało potwierdzone biopsjami.
- Na sygnale niższej jakości, pochodzącym z urządzeń konsumenckich, algorytm wypada nieco słabiej niż na zapisach z aparatury medycznej, choć badacze uznają różnicę za niewielką.
- Obermeyer odradza wszczepianie defibrylatora wyłącznie na podstawie EKG i proponuje, by wynik algorytmu służył do kierowania pacjentów na dalszą, tradycyjną diagnostykę.
Kolejny etap już trwa. Obermeyer pracuje z placówkami w Szwecji, na Tajwanie i w USA nad uruchomieniem algorytmu na szpitalnych bazach EKG. Pacjenci z wysokim wynikiem mają dostać propozycję noszenia plastra, który stale rejestruje pracę serca. Dłuższe zapisy mogą pomóc wyjaśnić biologiczne podłoże sygnału.
Polska: 6366 wszczepień ICD w 2016 r. i ten sam kłopot z wyborem pacjentów
Polska należy do krajów, w których defibrylatory wszczepia się często, więc pytanie o trafność kwalifikacji dotyczy tysięcy osób rocznie. Eksperci Sekcji Rytmu Serca Polskiego Towarzystwa Kardiologicznego podawali w 2019 r., że w kraju działają 133 ośrodki wszczepiające ICD, a liczba zabiegów w 2016 r. wyniosła 6366, czyli prawie 170 na milion mieszkańców. Nowszych danych ogólnopolskich nie udało mi się potwierdzić.
Polscy kardiolodzy stosują wytyczne Europejskiego Towarzystwa Kardiologicznego, w których profilaktyczne wszczepienie ICD zależy przede wszystkim od obniżonej frakcji wyrzutowej. Ograniczenia opisane przez zespół Obermeyera dotyczą więc także polskich pacjentów.
Wśród partnerów wdrożenia UC Berkeley wymienia wyłącznie placówki ze Szwecji, Tajwanu i USA. Polskich szpitali na tej liście nie ma. Osoby zainteresowane analizą własnego EKG mogą zostawić podstawowe dane i adres e-mail na stronie eccentric.health/ecg-interest, a zespół ma się z nimi skontaktować, gdy narzędzie będzie szerzej dostępne. Strona nie jest usługą diagnostyczną i nie zastępuje wizyty u kardiologa.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym publikacji naukowej Nature: An ECG biomarker for sudden cardiac death discovered with deep learning z dnia 24.06.2026, komunikatu UC Berkeley News z dnia 24.06.2026 oraz omówienia Scientific American. Szczegółowe dane liczbowe z publikacji podajemy za komunikatem uczelni (w wersjach ScienceDaily z 14.11.2026 i EurekAlert) oraz omówieniem Patient Care Online. Dane o wszczepieniach ICD w Polsce pochodzą z opinii ekspertów Sekcji Rytmu Serca PTK w „Kardiologii Polskiej” z 2019 r.
Cytaty Ziada Obermeyera, profesora UC Berkeley, oraz Changxina Lai, recenzenta badania, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o badaniach klinicznych i wdrożeniach algorytmu wykrywającego ryzyko nagłego zgonu sercowego w EKG.

Jeden komentarz
Pingback: AI dla zajętych #47: 9-15 listopada ‘26 – Nvidia bez Jensena Huanga, Anthropic idzie na giełdę z wyceną 1,4 bln dolarów, atak AI na Autopay - AIPORT.pl