Alle som har overlevd hjerteinfarkt har en viss risiko for å få nye problemer senere i livet. Men hvor stor denne risikoen er, varierer mye fra pasient til pasient.

Hjertespesialister på sykehusene kan dele inn pasienter i høy- og lavrisikogrupper, basert på en rekke helseopplysninger.

Bilder av pasientens hjerte er et viktig hjelpemiddel for å fastslå denne risikoen. Hjertespesialistene vurderer da hvor godt hjertet er i stand til å tømme seg ved hvert hjerteslag, noe som på fagspråket kalles LVEF (Left Ventricular Ejection Fraction).

Er LVEF veldig nedsatt, har pasienten stor risiko for alvorlige forstyrrelser i hjerterytmen, som kalles arytmi. Har hjertet et stort arr etter et infarkt, er det også en risiko for å få alvorlig rytmeforstyrrelse.

Høy og lav risiko

Høy- og lavrisikopasienter har krever ulik type behandling. De med antatt høy risiko kan blant annet få en automatisk hjertestarter operert inn i kroppen.

Men dagens metoder for å skille disse gruppene er ikke gode nok. LVEF er den viktigste indikatoren, men beregning av arrstørrelsen utføres manuelt og er dermed svært tidkrevende.

Treffsikkerheten kunne også vært bedre, og sannsynligvis får mange pasienter lagt inn hjertestarter uten at det er nødvendig. Dette er dyrt for samfunnet og ubehagelig for den det gjelder.

Elektronisk bildeanalyse

En fersk doktorgradsavhandling fra Universitetet i Stavanger gir håp om bedring. Lasya Priya Kotu har utviklet et program som skal gjøre det enklere og raskere for legene å skille mellom høy- og lavrisikopasienter.

Hennes studie omfattet magnetresonans-bilder, altså MRI, av 54 pasienter som har hatt hjerteinfarkt og blitt behandlet på Stavanger universitetssjukehus. Det var mellom seks og tolv bilder av hvert hjerte.

Hjertespesialistene hadde vurdert 30 av dem som lavrisikopasienter, mens de resterende 24 ble plassert i høyrisikogruppen.

Forskerne visste derimot ikke hvilke bilder som tilhørte høy- eller lavrisikogruppen da de analyserte dem.

Spesialprogram

Metoden som ble brukt kalles probability mapping. Det innebærer at en datamaskin finner mønstre i bilder basert på spesielle kjennetegn.

I dette tilfellet utviklet Kotu et spesialprogram som analyserte hjertearrenes tekstur, størrelse og plassering. I jakten på likheter og ulikheter ble hvert enkelt bilde sammenlignet med alle de andre bildene.

Resultatene var oppløftende. Klassifiseringen av høy- og lavrisikopasienter kun basert på bildeanalyse viste seg å være korrekt i 90 prosent av tilfellene.

Dette er litt bedre enn hva legene oppnår manuelt, med både MR-bilder og andre hjelpemidler.

– Jeg understreker at vår forskning baserer seg på et lite utvalg, så vi kan ikke si dette helt sikkert. Resultatene må kvalitetssikres i nye studier, sier Kotu.

Likevel er både stipendiaten og veilederen hennes, professor Kjersti Engan, optimistiske.

– Denne forskningen viser at det ligger mye informasjon i disse bildene. I forhold til dagens praksis er dette dessuten en mer effektiv og objektiv metode. Hvis et automatisk system kan skille ut pasienter med lav risiko, kan legene heller bruke mer tid på tvilstilfellene, sier Engan.

– Lovende

Klassifisering av pasienter i grupper i henhold til fare for senere hjerteforstyrrelser er en viktig oppgave, ifølge Leik Woie, tidligere overlege på hjerteavdelingen ved Sykehuset i Stavanger.

– Forbedringer vil potensielt kunne redde liv og spare samfunnet for penger ved at pasienter får den behandlingen de trenger, men ikke dyre behandlinger hvis de ikke trenger det, sier han.

Woie har samarbeidet med universitetet om dette forskningsprosjektet.

Han viser til at helsevesenet i dag bruker store ressurser på forebygging og behandling av hjerteinfarkt. Bare i Norge opereres det inn flere hundre hjertestartere i året.

– Finner vi bedre metoder for å velge de pasientene som trenger hjertestartere, vil besparelsene ikke bli millioner, men milliarder av kroner på verdensbasis, sier Woie.

Referanse:

Lasya Priya Kotu: Analysis of Myocardial Infarction in Cardiac Magnetic Resonance Images. PhD Thesis UiS no. 224 – Mai 2014.