Maskininlärning för att härleda neurokognitiva testpoäng hos ungdomar och unga vuxna med medfött hjärtfel

Varför detta spelar roll för att växa upp med ett hjärtfel

Fler barn som föds med allvarliga hjärtmissbildningar lever nu vidare in i vuxen ålder än tidigare. Men många familjer upptäcker att överlevnad efter hjärtoperation bara är en del av historien: vissa tonåringar och unga vuxna har problem med uppmärksamhet, inlärning eller minne. Denna studie ställer en praktisk fråga med stora konsekvenser: kan vi använda hjärnavbildning, genetisk information, medicinsk historia och familjebakgrund tillsammans för att uppskatta hur en ung person med medfött hjärtfel presterar i skolrelaterade tänkande- och problemlösningsuppgifter, utan att enbart förlita oss på långa tester?

Att se hela bilden, inte bara hjärtat

Forskarna följde 89 ungdomar och unga vuxna med medfött hjärtfel, i åldrarna 8 till 30 år, från centra runtom i USA. Varje deltagare genomgick standardiserade penna-och-papper-tester som mätte läsning, ordförråd, problemlösning, minne, bearbetningshastighet och total IQ. Inom ungefär sex månader—ofta inom bara några dagar—gjordes också detaljerade MR‑skanningar av hjärnan och genetiska prover togs. Teamet samlade information om deras hjärtdiagnoser och operationer, längd och vikt samt familjens socioekonomiska bakgrund, inklusive föräldrars utbildning och hushållets inkomster. Målet var att betrakta varje ung person inte som ett ”hjärtfall” utan som en hel individ vars hjärna, gener, sjukdomshistoria och miljö tillsammans formar hur hen tänker och lär sig.

Att lära datorer uppskatta tänkandefärdigheter

För att förstå denna komplexa informationsblandning använde forskarna maskininlärning—datametoder som kan hitta mönster i stora datamängder. De matade in tusentals mätvärden från strukturella och diffusion‑MRI‑skanningar (som fångar hjärnans storlek, form och kopplingar), tillsammans med 17 icke‑avbildningsfaktorer som kön, antal hjärtoperationer, typer av sällsynta genetiska varianter och föräldrarnas utbildning. För vardera av 15 olika testpoäng över sju breda tänkandeområden tränade de modeller för att härleda poängen från dessa egenskaper. En avancerad metod för funktionsval lade upprepade gånger till och tog bort kandidatvariabler, och behöll endast de kombinationer som faktiskt förbättrade prestanda när de testades på borthållna deltagare. Teamet bedömde framgång efter hur nära de härledda poängen överensstämde med verkliga testpoäng och hur stor den typiska felet var i testpoäng.

Vad modellerna kunde och inte kunde se

Dator modellerna kunde uppskatta de flesta testpoäng bättre än slumpen, med korrelationer mellan verkliga och härledda poäng som varierade från måttliga till ganska starka. Fullskale‑IQ, arbetsminne (att komma ihåg siffersekvenser) och bearbetningshastighet (snabb visuell sökning och symbolmatchning) var bland de lättaste att härleda. Till exempel följde modellens uppskattningar av digit span, ett vanligt minnestest, verklig prestation tämligen nära. I kontrast var mer specifika färdigheter som att förstå meningar eller lösa blockdesign‑pussel svårare att förutsäga. När forskarna kombinerade resultat över tester framträdde generell intelligens som den mest ”härledbara” förmågan, medan perceptuell resonnering—att hitta mönster i former och rum—var den minst.

Hur hjärna, gener och miljö var och en bidrar

Genom att undersöka vilka funktioner modellerna lutade sig mot målar studien en nyanserad bild av vad som formar kognitionen i denna grupp. Hjärnmått från MRI förekom över samtliga sju kognitiva domäner. Regioner i frontal‑ och temporalloberna, och vit‑substansens motorvägar som förbinder dem, var särskilt viktiga—områden som länge förknippats med språk, minne och problemlösning. Men icke‑hjärnrelaterade faktorer spelade också roll. En fars utbildningsnivå bidrog till att härleda total IQ och visuospatiala färdigheter, vilket antyder påverkan från hemmiljö och inlärningsmöjligheter. Egenskaper hos själva hjärtsjukdomen, såsom diagnostyp och antal operationer, påverkade verbala förmågor. Vissa sällsynta genetiska varianter, särskilt de som stör neuroutvecklingsgener, tenderade att vara förknippade med svagare läsning, matematik eller ordförråd. Snarare än en enda orsak framträder en bild av överlappande påverkan, där hjärnstruktur, sjukdomshistoria, gener och socioekonomisk kontext alla skjuter kognitiva utfall i olika riktningar.

Vad detta kan innebära för vård och uppföljning

För familjer och kliniker är budskapet både lugnande och framåtblickande. I denna relativt lilla men noggrant studerade grupp hade många unga med medfött hjärtfel tänkandefärdigheter inom genomsnittligt intervall. Samtidigt visar studien att subtila skillnader i kognition kan uppskattas meningsfullt utifrån information som redan samlas in i modern vård, särskilt detaljerade hjärnavbildningar. Om resultaten bekräftas i större och mer varierade grupper skulle liknande modeller en dag kunna hjälpa läkare att uppmärksamma vilka barn som löper högre risk för skol‑ eller minnessvårigheter, redan innan problemen fullt ut framträder. Det skulle i sin tur kunna styra tidigare remisser för utbildningsstöd, kognitiv träning eller familjebaserade insatser—och göra hjärnhälsa lika central i uppföljningen som hjärthälsa.

Citering: Hussain, M.A., He, S., Adams, H.R. et al. Machine learning to infer neurocognitive testing scores among adolescents and young adults with congenital heart disease. Commun Med 6, 144 (2026). https://doi.org/10.1038/s43856-026-01417-9

Nyckelord: medfött hjärtfel, ungdomars kognition, hjärn‑MRI, maskininlärning, neuroutveckling