Tekoälyn hyödyntäminen EKG:n tulkinnassa akuuttihoidossa : scoping-katsaus

Abstract

Verenkiertoelimistön toimintaa heikentäviä sairauksia kutsutaan sydän- ja verisuonisairauksiksi. Sydän- ja verisuonisairauksien alkuvaiheen tutkimuksiin kuuluu EKG:n eli sydänfilmin ottaminen. EKG:llä saadaan runsaasti tietoa sydämen toiminnasta. Tekoälyä on käytetty terveydenhuollossa EKG:n analysoinnin apuna, jotta sydän- ja verisuonisairaudet havaittaisiin nopeammin. Tekoäly on tullut merkittäväksi osaksi lääketiedettä ja terveydenhuollon ammattilaisten tueksi potilaiden hoidonlaadun parantamisessa.

Halusimme lähteä keräämään tutkimustietoa tekoälyn hyödyntämisestä EKG:n tulkinnassa akuuttihoidossa, koska tekoäly tulee olemaan tulevaisuudessa isossa roolissa EKG:n tulkintaa. Scoping-katsauksella lähdimme tarkastelemaan aihetta, koska tekoälymenetelmien käyttö EKG:n tulkinnassa on uutta ja tutkimuksia on julkaistu vielä rajallisesti. Katsaus pyrkii luomaan ymmärryksen kohteena olevasta käsitteestä, tutkittavasta ilmiöstä, olemassa olevan tiedon luonteesta ja keskeisistä lähteistä.

Opinnäytetyön tarkoituksena on kartoittaa ja kuvata, miten tekoälyä on hyödynnetty EKG:n tulkinnassa akuuttihoidossa. Tavoitteena on tuottaa uutta tietoa kootusti tarkasteltavaan aiheeseen liittyen. Tutkimuksien etsintään käytimme kolmea tietokantaa ja kahta ohjaavaa tutkimuskysymystä.

Tietokantahaku tuotti 243 tulosta kolmesta eri tietokannasta, joista lopullinen aineisto koostui seitsemästä artikkelista. Tutkimusartikkeleista vaadittiin ensihoidon, päivystysten, teho-osastojen ja yli 18-vuotiaita potilaita. Tutkimukset, jotka valikoituivat mukaan, oli toteutettu eri akuuttihoidon yksiköissä. Katsaukseen otetut prospektiiviset tutkimukset olivat havainnoivia ja kokeellisia intervention sisältäviä tutkimuksia. Tutkimuksista kolme oli tehty yhdessä keskuksessa ja neljä oli tehty monessa keskuksessa.

Tutkimustulokset osoittivat, että tekoäly oli suoriutunut tulkinnasta jopa paremmin, kuin lääkärit. Nopealla havaitsemisella on nopeutettu potilaan hoitoon pääsyä. Rajoittavana tekijänä oli yhden diagnoosin tai riskin tunnistaminen. Tutkimuksia on vielä liian vähän, jotta tutkimustieto olisi tarpeeksi luotettavaa ja sen näyttö riittävän laaja-alaista. Tämän katsauksen näkökulma tekoälyn hyödyntämiseen akuuttihoidossa oli kapea, ja uusi laajempi ja syvällisempi katsaus aiheesta olisi tarpeellista tehdä lähitulevaisuudessa sitten, kun uutta tutkimusta on julkaistu lisää etenkin kokeellisista intervention sisältävistä tutkimuksista.

Diseases that impair the function of the cardiovascular system are known as cardiovascular diseases (CVD). Electrocardiogram (ECG) registration is an essential part of the initial phase of diagnosis of CVDs. ECG gives abundant information about heart’s function. Artificial intelligence (AI) has been used for assistance in ECG interpretation to detect CVDs faster. AI has become an important part of medicine and an important decision support for healthcare professionals in improving care quality.

We set out to collect research about ECG interpretation in acute care because AI will become an important part of ECG interpretation in the future. We selected scoping review as review method because the research field of AI assisted ECG interpretation is new, and availability of published research is limited. Scoping review aims to provide an understanding of the research subject and phenomenon, summarising available research knowledge and important information sources.

The purpose of this bachelor thesis is to map out and describe how AI assisted ECG interpretation has been used in acute care. The objective is to collect and summarise new research on the subject. Research was conducted in three databases, and it was directed by two research questions.

Database research provided 243 results out of three databases, out of which seven articles were selected for analysis. Articles were required to be conducted in emergency medical services (EMS), emergency departments or intensive care units on patients of 18 years age or older. The studies took place in different acute care units. All analysed studies were either observational or interventional prospective studies. Three of them were single center studies and four were multicenter.

Results indicated that AI can perform as good as or even better than practicing clinicians. Swift and correct ECG interpretation can expedite patients’ care. Results were limited to detection of single diagnosis or risk factor. Available research is too limited for reliable and comprehensive research basis. This scoping review gives a limited perspective on AI assisted ECG interpretation in acute care, and broader and more profound review on this subject is called for in the future after more research on clinical interventions has been published.