Utveckling och validering av AI‑förstärkt auskultation för screening av klaffsjukdomar genom en multicenterstudie

Att lyssna på hjärtat på ett nytt sätt

Problem med hjärtklaffarna är vanliga, särskilt när människor blir äldre, men de missas ofta tills allvarlig skada redan har uppstått. Denna studie undersöker om en kombination av ett elektroniskt stetoskop och artificiell intelligens (AI) kan förvandla en ettminuters inspelning vid sängkanten till ett kraftfullt tidigt varningstest som hjälper allmänläkare att upptäcka dold klaffsjukdom innan den leder till hjärtsvikt eller riskfylld akut behandling.

Varför tysta klaffproblem spelar roll

Klaffarna fungerar som dörrar inuti hjärtat och ser till att blodet flödar åt rätt håll. När de blir trånga eller läcker — ett tillstånd som kallas klaffsjukdom — kan patienterna bara känna vaga symtom som trötthet eller andfåddhet, vilka lätt tolkas som ålder, vikt eller lungsjukdom. Därför blir mer än hälften av klaffsjukdomsfallen aldrig upptäckta förrän hjärtat börjat tänjas ut och försvagas, vilket gör behandlingen farligare och mindre effektiv. Det bästa testet, en ultraljudsundersökning kallad ekokardiografi, kräver dyr utrustning och högt utbildad personal, så det kan inte användas för att screena alla med milda symtom.

Idén om ett AI‑stetoskop

Läkare har länge förlitat sig på stetoskopet för att uppfatta blåsljud i hjärtat, de susande ljud som orsakas av felande klaffar. Men idag saknar många allmänläkare tid eller självförtroende att upptäcka dessa subtila tecken, och även skickliga lyssnare missar fall. Tidigare försök att använda AI försökte helt enkelt härma vad expertkardiologer hör och märker som blåsljud. Den strategin har begränsningar: den kan inte lära sig ljudegenskaper utanför mänskligt hörselomfång och beror på små, brusiga träningsdatamängder. Forskarna bakom denna artikel valde en annan väg. Istället för att träna datorn att imitera mänskliga öron, tränade de den att direkt matcha resultaten från ekokardiografi och ställde frågan: givet denna ljudinspelning, har patienten verkligen en kliniskt viktig klaffsjukdom?

Att bygga och testa verktyget

Teamet samlade hjärtljudinspelningar och matchande ultraljudsresultat från 1 767 vuxna vid flera brittiska sjukhus och vårdcentraler. Nästan hälften hade betydande klaffsjukdom, vanligast var förträngning av aortaklaffen eller läckage i mitralklaffen. Med dessa data byggde de ett återkommande neuralt nätverk — en typ av AI som är bra på att analysera tidsbaserade signaler. Datorn omvandlade först varje inspelning till en visuell karta över ljudfrekvenser över tid och lärde sig därefter mönster kopplade till betydande klaffproblem. För varje ny patient lyssnade systemet på upp till fyra standardpunkter på bröstet och gav en enda sannolikhetspoäng som indikerade hur troligt det var att någon viktig klaffdefekt fanns.

Hur väl lyssnade AI?

När den testades på 263 patienter den aldrig sett tidigare separerade AI‑verktyget "VHD Detector" personer med och utan kliniskt signifikant klaffsjukdom med hög noggrannhet. Vid en vald beslutsgräns — inställd för användning som screeningtest — flaggade den korrekt runt 72 % av dem som verkligen hade en viktig klaffskada, samtidigt som den gav klartecken korrekt för cirka 82 % av dem utan sådan skada. Prestandan var särskilt imponerande för de farligaste tillstånden: den identifierade 98 % av personerna med svår aortaförträngning och 94 % av dem med svår mitralisinsufficiens. Forskarna bad också 14 brittiska allmänläkare att bedöma samma inspelningar. Även när deras svar kombinerades var läkarna både mindre känsliga och mindre specifika än AI, och den individuella prestation varierade kraftigt.

Vad detta kan betyda för vardagsvården

För upptagna kliniker kan ett AI‑förstärkt stetoskop fungera som ett extra par experter som lyssnar. På mindre än en minut kan det lugna läkare att svår sjukdom är osannolik eller framhäva patienter som mest behöver en ultraljudsundersökning, utan krav på avancerad utbildning eller dyra handhållna bildgivande enheter. Studien har begränsningar: patienterna rekryterades huvudsakligen från sjukhustjänster, så de var sjukare än en verklig screeningspopulation, och allmänläkarna lyssnade via hörlurar snarare än i person. Ändå tyder resultaten på att genomtänkt tränad AI kan göra rutinmässig auskultation med stetoskop mycket mer informativ och öppna dörren för tidigare och mer rättvis tillgång till livsavgörande klaffbehandlingar.

Citering: McDonald, A., Gales, M., Rana, B.S. et al. Development and validation of AI-Enhanced auscultation for valvular heart disease screening through a multi-centre study. npj Cardiovasc Health 3, 5 (2026). https://doi.org/10.1038/s44325-026-00103-y

Nyckelord: klaffsjukdom, digitalt stetoskop, artificiell intelligens, hjärtscreening, hjärtblåsljud