Prestanda hos 12‑avlednings‑EKG för att förutsäga kort‑ och långtidsrisk för plötslig hjärtdöd

Varför detta är viktigt för hjärtpatienter

Plötslig hjärtdöd inträffar utan förvarning och drabbar ofta personer som redan vet att de har hjärtsjukdom. Många av dessa patienter genomgår rutinmässigt elektrokardiogram (EKG), enkla tester som registrerar hjärtats elektriska aktivitet. Denna studie ställde en viktig fråga för både patienter och läkare: kan informationen dold i standard‑12‑avlednings‑EKG, i kombination med grundläggande kliniska uppgifter, på ett pålitligt sätt visa vem som löper risk att dö plötsligt, antingen om flera år eller inom en nära framtid?

Letar efter varningssignaler i vardagliga hjärttester

Forskare i Finland granskade journalerna för 17 625 vuxna som behandlats på ett enda hjärtsjukhus och som genomgått koronarangiografi, en bildundersökning av blodkärlen som förser hjärtat. Dessa patienter bedömdes redan som högrisk eftersom många hade kranskärlssjukdom eller ett akut koronart syndrom såsom hjärtinfarkt. Under ett sextonårigt tidsspann lagrades deras rutin‑EKG digitalt, vilket gav cirka en halv miljon inspelningar—i genomsnitt 17 EKG per person. Teamet hade också detaljerad information om varje patients hälsa, behandlingar och dödsorsaker, och följde dem i en median på 7,5 år.

Lära en dator att läsa den elektriska historien

I stället för att be kardiologer visuellt bedöma EKG användes siffror som automatiskt extraherats av välanvänd kommersiell programvara. Dessa mått beskrev många aspekter av hjärtats elektriska beteende: hur länge varje våg varade, hur stark den var i olika avledningar och om rytmer som förmaksflimmer förekom. Med detta rika parametrar och grundläggande kliniska faktorer som ålder, hjärtats pumpfunktion och tidigare hjärtsjukdom tränade de en avancerad maskininlärningsmetod kallad gradient boosting för att skilja personer som senare drabbades av plötslig hjärtdöd eller ett närbesläktat händelseförlopp från dem som inte gjorde det. De byggde separata modeller för tre situationer: att använda endast det första EKG:t efter angiografi för att förutsäga långtidsrisk; att använda det sista tillgängliga EKG:t för att bedöma korttidsrisk; och att använda det sista EKG:t plus hur varje EKG‑egenskap förändrats över tid.

Hur bra presterade modellerna egentligen?

På papperet såg modellerna mycket starka ut när de bedömdes enbart i den data som användes för att bygga dem, med standardmått för noggrannhet som antydde nästan utmärkt prestanda. Men när forskarna testade dem mer realistiskt blev bilden mer blygsam. Med ett enda baslinje‑EKG ensam nådde modellens förmåga att skilja framtida offer för plötslig hjärtdöd från andra ett area under kurvan (AUC) på cirka 0,68— bättre än slumpen, men långt från perfekt. Det sista EKG:t taget före slutet av uppföljningen presterade inte bättre när det användes ensam. När kliniska riskfaktorer lades till ökade prestandan marginellt till AUC‑värden runt 0,70–0,71. De bästa korttidsresultaten kom från att kombinera det sista EKG:t med information om hur EKG‑egenskaper förändrats över åren, vilket nådde en AUC på cirka 0,72 i hela testuppsättningen. Dock föll dessa värden till mitten av 0,6‑intervallet när teamet tvingade fram en rättvis jämförelse mellan noggrant matchade patienter med och utan plötslig död.

Begränsningar i verklig världen för prediktion

Eftersom plötslig hjärtdöd var relativt sällsynt—even inom denna högriskgrupp—gav ett annat mått kallat precision‑recall en nedslående bild. Modellernas förmåga att korrekt flagga patienter som faktiskt skulle drabbas av plötslig hjärtdöd förblev låg, med genomsnittlig precision runt 0,08–0,11. Detta var fortfarande ungefär dubbelt så mycket som vad som skulle förväntas av slumpen, men långt under vad som skulle behövas för att med säkerhet avgöra vem som bör få invasiva förebyggande behandlingar som implanterbara defibrillatorer. Viktigt är att studien inkluderade många patienter med oregelbundna rytmer och allvarliga samtidiga sjukdomar, till skillnad från tidigare, mer selektiva studier. Det valet gjorde resultaten mer representativa för vardaglig klinisk praxis men gjorde också prediktionen svårare.

Vad detta betyder för patienter och läkare

Enkelt uttryckt visar denna omfattande studie att vanliga 12‑avlednings‑EKG, även när de tolkas av sofistikerade datoralgoritmer och kombineras med kliniska data, endast i måttlig grad kan förutsäga vem som kommer att dö plötsligt bland högriskhjärtpatienter. Hjärtats elektriska signaler innehåller användbara ledtrådar—särskilt när de följs över tid—men de är inte tillräckligt kraftfulla i sig för att ge entydiga svar om vem som behöver aggressiv förebyggande behandling. För närvarande måste läkare och patienter fortsätta förlita sig på en bredare helhetsbedömning som inkluderar hjärtfunktion, symtom, andra sjukdomar och nya verktyg, samtidigt som forskningen fortsätter att söka starkare och mer pålitliga varningssignaler.

Citering: Hernesniemi, J.A., Pukkila, T., Rankinen, J. et al. Performance of the 12-lead ECG in predicting short- and long-term risk of sudden cardiac death. npj Digit. Med. 9, 317 (2026). https://doi.org/10.1038/s41746-026-02456-1

Nyckelord: plötslig hjärtdöd, elektrokardiogram, maskininlärning, riskprediktion, kranskärlssjukdom