den 28 augusti 2026
Ny svensk AI-modell kan identifiera förhöjd risk för hjärtinfarkt hos friska personer
En ny AI-modell kan både snabbare och bättre identifiera personer som senare drabbas av hjärtinfarkt än traditionell bildtolkning av röntgenläkare och hjärtspecialister. Det visar en ny studie baserad på data från Hjärt-Lungfondens stora forskningssatsning SCAPIS. AI-modellen identifierade dessutom ungefär dubbelt så många personer med plack i hjärtats kranskärl och förhöjd risk jämfört med manuell bildtolkning.
Johan Malmqvist
Kardiolog och doktorand.
Kristina Sparreljung
Generalsekreterare Hjärt-Lungfonden Foto: Leonard Gren.
– Vår studie visar att en helt automatisk AI är både betydligt snabbare och bättre på att identifiera vilka som i framtiden kommer att drabbas av hjärtinfarkt hos en stor grupp friska medelålders människor, säger Johan Malmqvist, kardiolog och doktorand vid Karolinska Institutet.
I studien har forskarna analyserat röntgenbilder från 23 000 till synes friska personer som deltagit i SCAPIS. Ett tidigare problem har varit att tolkningen av bilderna är tidsödande och tolkningen varierar mellan bedömare.
Den nya studiens resultat visar att AI-modellen både snabbare och bättre kunde identifiera personer som senare drabbades av hjärtinfarkt jämfört med traditionell bildtolkning utförd av röntgenläkare och hjärtspecialister utan AI-stöd.
AI-modellen identifierade plack hos ungefär dubbelt så många personer som den manuella bildtolkningen. Även plack som missades vid den manuella bedömningen var kopplad till ökad risk.
– Den här forskningen tar oss ett steg närmare SCAPIS mål som är att kunna förutsäga vem som riskerar att drabbas av hjärtsjukdom och förhindra sjukdomarna redan innan de uppstår, säger Kristina Sparreljung, generalsekreterare för Hjärt-Lungfonden.
– De här resultaten kommer att ha stor betydelse. De kan på sikt bidra till en mer individuell riskbedömning och hjälpa oss att hitta personer som kan ha störst nytta av tidigare eller mer intensiv förebyggande behandling, säger Johan Malmqvist.
Nästa steg är att ta reda på om informationen faktiskt kan användas för att styra förebyggande behandling på ett sätt som minskar hjärt-kärlhändelser och samtidigt är kostnadseffektivt.
Studie: Incremental Predictive Value of Deep Learning–Quantified Coronary Atherosclerotic Volume: A SCAPIS Cohort Analysis JACC: Cardiovascular Imaging, den 28 augusti 2026
Artikel: https://www.jacc.org/doi/10.1016/j.jcmg.2026.08.004
Källa: Hjärt-Lungfonden.