Artificiële intelligentie die in staat is om beginnende hartdecompensatie te detecteren aan de hand van een eenvoudige wekelijkse stemopname: dat is wat de resultaten van de Duitse TIM-HF3-studie suggereren, die afgelopen mei werden gepresenteerd tijdens het Heart Failure 2026-congres van de European Society of Cardiology (ESC) in Barcelona.
De studie, gepresenteerd door dr. Leonhard Riehle (Noah Labs, Charité in Berlijn), vergeleek het vermogen van een AI-algoritme dat de stem analyseert met dat van dagelijkse gewichtscontrole om een ziekenhuisopname wegens hartfalen (HF) te voorspellen.
De 105 opgenomen patiënten, in NYHA-klasse II of III en die in de voorgaande twaalf maanden waren opgenomen voor HF, volgden twee parallelle monitoringprogramma’s: een klassiek interventioneel telemonitoringprogramma, gebaseerd op gegevens van externe apparaten en bedoeld om een via machine learning ontwikkelde risicoscore te valideren, en een observationeel programma gericht op de stem, waarbij de patiënten wekelijks via een tablet vijf seconden lang de klinker /i/ vast hielden – een geluid dat in de literatuur al is geïdentificeerd als gevoelig voor veranderingen in de biomechanica van het strottenhoofd en de akoestiek van de bovenste luchtwegen die verband houden met vochtophoping.
De retrospectieve analyse van deze opnames had betrekking op 92 patiënten (gemiddelde leeftijd 73,6 jaar, 73% mannen; 52,2% met verminderde ejectiefractie, 15,2% met matig verminderde ejectiefractie, 32,6% met behouden ejectiefractie; mediane NT-proBNP-waarde van 3.228 pg/mL). Gedurende een gemiddelde follow-up van tien maanden deden zich 44 ziekenhuisopnames wegens hartfalen voor, waarvan er 25 over voldoende spraakopnames beschikten voor analyse. Voor deze vergelijking heeft het team de prestaties van de spraakbiomarker vergeleken met de klassieke gewichtscriteria – de meest gangbare niet-invasieve meting in de dagelijkse praktijk, maar waarvan bekend is dat de gevoeligheid beperkt is.
Resultaat: de sensitiviteit van het stembaseralgoritme bedraagt 84,0% (95%-BI 65,3-93,6%), tegenover 36,0% voor de klassieke gewichtscriteria (95%-BI 20,2-55,5%; gewichtstoename van ≥2 kg in 3 dagen of ≥5 kg in 7 dagen). De mediane tijd tussen de waarschuwing en de ziekenhuisopname is eveneens langer bij spraak (29 dagen) dan bij gewicht (13 dagen) – een actietermijn die in de klinische praktijk mogelijk gunstiger is – en het jaarlijkse percentage irrelevante waarschuwingen per patiënt is lager bij spraak (2,62 tegenover 6,07).
Dr. William Abraham (Ohio State University), die tijdens de sessie werd geïnterviewd, noemde de gegevens "zeer bemoedigend voor het vakgebied", maar wees tegelijkertijd op de kleine steekproefomvang en het wekelijkse – in plaats van dagelijkse – ritme van de registraties, waardoor de gemeten gevoeligheid mogelijk wordt overschat. Dr. Riehle erkende zelf dit risico op overschatting, aangezien de analyse uitsluitend betrekking had op de 25 "beoordeelbare" gebeurtenissen.
De medemoderator van de sessie, prof. Piotr Ponikowski (Wroclaw), pleitte voor een geleidelijke afschaffing van het gewicht als follow-upcriterium, omdat hij dit "weinig gevoelig" achtte. Dr. Riehle temperde deze opmerking echter en wees erop dat een prospectieve interventiestudie nog steeds noodzakelijk is alvorens een dergelijke verandering in de praktijk te overwegen. Ook de vraag naar de robuustheid van het algoritme in andere talen dan het Duits blijft open; een Europese pivotstudie zal Engels, Spaans en Nederlands omvatten.
Er is tot op heden geen enkel apparaat voor stembewaking van de IC op de markt in Europa of de Verenigde Staten.
Het onderzoek werd gedeeltelijk gefinancierd door het Duitse federale ministerie van Economische Zaken. Dr. Riehle is medisch directeur van Noah Labs, het bedrijf dat het geteste algoritme ontwikkelt.
