V ZDA so raziskovalci z univerze Emory razvili metodo umetne inteligence, ki na podlagi EKG-posnetkov med spanjem ocenjuje tveganje za kardiovaskularne bolezni tudi do deset let pred pojavom kliničnih znakov.
Model globokega učenja so najprej usposobili na podatkih skoraj 16.000 pacientov. Nato so delovanje preverili na dveh dodatnih naborih, ki sta skupaj zajela skoraj 23.000 oseb.
Analiza kaže, da je vsak standardni odklon višja ocena tveganja, ki jo izračuna umetna inteligenca, povezan s 103- do 172-odstotno večjim tveganjem za atrijsko fibrilacijo, 19- do 40-odstotno višjo verjetnostjo možganske kapi ter 69- do 133-odstotno večjim tveganjem za srčno popuščanje in 65- do 82-odstotno višjo smrtnostjo.
Takšne povezave nakazujejo, da bi lahko analiza EKG med spanjem z naprednimi algoritmi postala pomemben dodatek obstoječim metodam za ocenjevanje srčno-žilnega tveganja in zgodnejše odkrivanje ogroženih posameznikov.