Afleiding en validatie van een door machine learning aangedreven score om de diagnostische opbrengst van endomyocardiale biopsie te voorspellen

Waarom dit belangrijk is voor mensen met hartfalen

Wanneer artsen niet kunnen achterhalen waarom iemand hartfalen heeft, nemen ze soms kleine stukjes hartweefsel via een procedure die een biopsie heet. Deze test kan verborgen ziekten aan het licht brengen die specifieke behandeling vereisen, maar ze is invasief, brengt enige risico’s met zich mee en levert vaak geen duidelijk antwoord op. Deze studie stelde een eenvoudige, patiëntgerichte vraag: kunnen gegevens uit beeldvorming en bloedonderzoek worden gecombineerd in een slimme score die artsen vooraf vertelt of een hartbiopsie waarschijnlijk echt nuttig zal zijn?

Een nadere blik op een risicovolle hertest

Endomyocardiale biopsie, waarbij een klein instrument via een ader in het hart wordt ingebracht om weefselmonsters af te knijpen, is lang de laatste stap geweest wanneer de oorzaak van hartfalen onduidelijk blijft. In de dagelijkse praktijk blijken de meeste van deze biopsieën echter geen specifieke ziekte aan het licht te brengen. In deze studie onderzochten onderzoekers 775 mensen met hartfalen van onbekende oorzaak die in een Zweeds ziekenhuis werden behandeld. Allen hadden een biopsie ondergaan als onderdeel van hun diagnostiek. Slechts ongeveer één op de vijf biopsieën (19,9%) leverde een duidelijke diagnose op, meestal een eiwitafzettingsziekte genaamd cardiale amyloïdose. Een tweede, onafhankelijke groep van 171 patiënten uit een Italiaans ziekenhuis werd later gebruikt om de betrouwbaarheid van de bevindingen te testen.

Beeldvorming en bloedwaarden omzetten in een voorspellende score

Het team verzamelde een breed scala aan informatie die routinematig vóór de biopsie werd verzameld: hart-echocardiografie, hart-MRI, bloeddruk, nierfunctie, hartslagregistraties en bloedmarkers van hartbelasting. Vervolgens vergeleken ze verschillende computerleermethoden om te zien welke het beste onderscheid kon maken tussen patiënten bij wie de biopsie diagnostisch zou zijn en degenen bij wie de biopsie inconclusief zou blijven. Een methode genaamd random forests presteerde het beste. Hieruit destilleerden de onderzoekers een eenvoudige 0–100 score op basis van slechts negen factoren, waarbij bijzondere nadruk werd gelegd op littekenachtige patronen op de hart-MRI en twee bloedwaarden: een hartfalenhormoon (NT-proBNP) en de nierfiltratiesnelheid.

Wat de hartscan onthult

De MRI-eigenschap die het meest van belang was, was “late gadolinium-enhancement” — heldere gebieden die aangedaan hartweefsel aangeven — vooral wanneer die te zien waren aan de rechterzijde van het hart, de lagere en zijwanden van de belangrijkste pompkamer, en de bovenste hartkamers. Personen met deze patronen, samen met hoge NT-proBNP-waarden en slechtere nierfunctie, hadden veel vaker een biopsie die een specifieke ziekte aan het licht bracht. Daarentegen waren heldere gebieden die beperkt waren tot de voorwand van het hart gekoppeld aan een lagere kans op een betekenisvolle biopsie. Toen de score werd getest, onderscheidde deze goed biopsieën met hoge opbrengst van die met lage opbrengst: de maat voor nauwkeurigheid, de area under the curve, was in zowel de oorspronkelijke als de externe patiëntengroep ongeveer 0,9, wat als uitstekend wordt beschouwd.

Helpt bepalen wie echt een biopsie nodig heeft

Om de score nuttig te maken aan het bed onderzochten de auteurs hoe verschillende drempelwaarden zouden presteren. Een score van 60 of hoger identificeerde een kleinere groep patiënten bij wie de kans op een diagnostische biopsie zeer groot was, met bijna geen valse alarmen in beide ziekenhuizen. Deze drempel bevoordeelt het “aantonen” van patiënten voor biopsie wanneer het rendement het grootst is, wat belangrijk is omdat biopsieën invasieve procedures zijn. De score was bijzonder sterk in het opsporen van cardiale amyloïdose, een aandoening die vaak wijdverbreide MRI-veranderingen en opvallend abnormale bloedwaarden laat zien. Zelfs wanneer amyloïdosegevallen werden weggelaten, gaf de score nog steeds een netto voordeel ten opzichte van het simpelweg iedereen of niemand biopsiëren, met name voor mensen met andere vermoedelijke infiltratieve of inflammatoire hartaandoeningen.

Wat dit betekent voor patiënten en artsen

Voor mensen met raadselachtig hartfalen biedt dit werk een manier om moeilijke beslissingen over biopsie meer op bewijs te baseren en minder afhankelijk te maken van individueel giswerk. Door patronen uit MRI-scans en veelvoorkomende bloedtests te combineren tot een duidelijke 0–100 schaal, helpt de score te identificeren wie het meest waarschijnlijk baat heeft bij het nemen van hartweefsel en wie waarschijnlijk gespaard kan blijven van de risico’s en stress. De auteurs benadrukken dat de score het klinisch oordeel of nieuwere niet-invasieve tests niet moet vervangen, maar eerder als een beslissingshulp in grensgevallen moet fungeren. In de dagelijkse praktijk zou zo’n hulpmiddel onnodige procedures kunnen verminderen, biopsieën richten waar ze het meest informatief zijn en uiteindelijk het traject naar de juiste diagnose en behandeling voor patiënten met onverklaard hartfalen versnellen.

Bronvermelding: Basile, C., Polte, C.L., Gentile, P. et al. Derivation and validation of a machine learning-driven score to predict the diagnostic yield of endomyocardial biopsy. npj Digit. Med. 9, 228 (2026). https://doi.org/10.1038/s41746-026-02421-y

Trefwoorden: hartfalen, cardiale biopsie, cardiale MRI, machine learning, cardiale amyloïdose