Forskare vid Universitat Politècnica de València har utvecklat en AI-modell baserad på graf-neuronätverk som kan identifiera och kvantifiera vävnadsavvikelser i förmaks-kardiomyopati från kroppens yttre elektrokardiogram. På ett test med 14 400 simulerade kroppsyta-potentialkartor nådde modellen 89 % korrekthet i att lokalisera det drabbade området och 84 % i att uppskatta skadans omfattning, med hög sensitivitet och specificitet.

Modellen bevarade sin prestanda även när den analyserade anatomier som inte ingick i träningsdata, vilket tyder på robusthet mot variation i patienters kroppsbyggnad. Dessutom påverkades inte noggrannheten nämnvärt av sämre signal-kvalitet, vilket indikerar viss motståndskraft mot brus.

Studien är för närvarande ett bevis-på-koncept med simulerade data; nästa steg är att validera modellen med kliniska inspelningar från riktiga patienter. Om resultaten bekräftas kan tekniken erbjuda ett icke-invasivt verktyg för att kartlägga förmaks-fibros och stödja behandlingsplanering, exempelvis för ablation.