Οι εξετάσεις ηλεκτροκαρδιογραφήματος (ΗΚΓ) θα μπορούσαν μελλοντικά να χρησιμοποιηθούν από ένα μοντέλο τεχνητής νοημοσύνης (AI) για την ανίχνευση της πρόωρης γήρανσης και της γνωστικής εξασθένισης, σύμφωνα με μια προκαταρκτική μελέτη που θα παρουσιαστεί στο Διεθνές Συνέδριο Εγκεφαλικών Επεισοδίων 2025 της American Stroke Association.

Το εγκεφαλικό επεισόδιο μπορεί να συμβάλει στην ηλικιακή γνωστική εξασθένιση, επηρεάζοντας την ποιότητα ζωής και τη λειτουργικότητα. Το ηλεκτροκαρδιογράφημα (ΗΚΓ) μετρά την ηλεκτρική δραστηριότητα του καρδιακού παλμού. Με κάθε χτύπο, ένα ηλεκτρικό ερέθισμα (ή «κύμα») ταξιδεύει μέσω της καρδιάς. Οι ερευνητές σχεδίασαν ένα μοντέλο τεχνητής νοημοσύνης, που ονομάζεται βαθύ νευρωνικό δίκτυο (Deep Neural Network, DNN), για να προβλέψουν τη βιολογική ηλικία των ανθρώπων (ηλικία των κυττάρων και των ιστών του σώματος) από τα δεδομένα του ΗΚΓ τους.

«Σε αντίθεση με τη χρονολογική ηλικία, η οποία βασίζεται στα χρόνια ζωής, η ΗΚΓ-ηλικία (ηλικία με βάση τα δεδομένα του ηλεκτροκαρδιογραφήματος) αντικατοπτρίζει τη λειτουργική κατάσταση της καρδιάς και ενδεχομένως ολόκληρου του οργανισμού σε ιστολογικό επίπεδο, παρέχοντας πληροφορίες για τη γήρανση και την κατάσταση της υγείας», αναφέρουν οι ερευνητές.

Προηγούμενες έρευνες έχουν αναφέρει ότι η ηλικία με βάση τα δεδομένα του ηλεκτροκαρδιογραφήματος θα μπορούσε να συμβάλλει στην πρόβλεψη καρδιακών παθήσεων και θανάτου.

Τι έδειξε η έρευνα για το AI και την ηλικία βάσει ηλεκτροκαρδιογραφήματος

Οι ερευνητές ανέλυσαν δεδομένα από περισσότερους από 63.000 συμμετέχοντες από την UK Biobank. Οι συμμετέχοντες υποβλήθηκαν σε μια σειρά γνωστικών δοκιμασιών. Οι γνωστικές επιδόσεις αναλύθηκαν κατά τη διάρκεια των επισκέψεων αξιολόγησης, ώστε να ευθυγραμμιστούν με τον χρόνο διεξαγωγής των εξετάσεων ΗΚΓ και το μοντέλο τεχνητής νοημοσύνης χρησιμοποιήθηκε για τον προσδιορισμό της ηλικίας βάσει των δεδομένων του ηλεκτροκαρδιογραφήματος.

Αυτή η προσέγγιση εξασφάλισε ότι τα γνωστικά δεδομένα αποτύπωναν με ακρίβεια τη γνωστική κατάσταση των συμμετεχόντων την ίδια στιγμή που υπολογιζόταν η ΗΚΓ-ηλικία τους.

Με βάση τα αποτελέσματα της ΗΚΓ-ηλικίας σε σύγκριση με την πραγματική τους ηλικία, οι συμμετέχοντες χωρίστηκαν σε τρεις ομάδες: φυσιολογική γήρανση, επιταχυνόμενη ΗΚΓ-ηλικία (μεγαλύτερη από τη χρονολογική τους ηλικία) και επιβραδυνόμενη ΗΚΓ-ηλικία (μικρότερη από τη χρονολογική τους ηλικία).

Σύμφωνα με την ανάλυση, σε σύγκριση με την ομάδα της φυσιολογικής γήρανσης, με βάση την ΗΚΓ-ηλικία, εκείνοι που ήταν:

  • Νεότεροι από την ομάδα της χρονολογικής τους ηλικίας είχαν καλύτερες επιδόσεις σε 6 από τις 8 γνωστικές δοκιμασίες.
  • Μεγαλύτεροι από την ομάδα της χρονολογικής τους ηλικίας είχαν χειρότερες επιδόσεις σε 6 από τις 8 γνωστικές δοκιμασίες

Ωστόσο, η μελέτη είχε ορισμένους περιορισμούς. Επειδή η ανάλυση διεξήχθη σε άτομα ηλικίας μεταξύ 43 και 85 ετών (ηλικίες του υποσυνόλου της UK Biobank που αναλύθηκε), δεν είναι σαφές εάν τα ευρήματα ισχύουν και για άλλες ηλικίες. Επιπλέον δεν παρέχει πληροφορίες σχετικά με τις αλλαγές στη γνωστική λειτουργία με την πάροδο του χρόνου.

«Σε μελλοντική έρευνα, σκοπεύουμε να διερευνήσουμε κατά πόσον οι διαφορές φύλου επηρεάζουν τη σχέση μεταξύ ΗΚΓ-ηλικίας και γνωστικών επιδόσεων. Επιπλέον, λαμβάνοντας υπόψη ότι οι περισσότεροι από τους συμμετέχοντες της UK Biobank είναι ευρωπαϊκής καταγωγής, μας ενδιαφέρει να προσδιορίσουμε αν τα ευρήματά μας μπορούν να αναπαραχθούν σε πιο διαφορετικούς πληθυσμούς», αναφέρουν οι ερευνητές.