Apple Heart Study: smartwatch moet waarschuwen bij ritmestoornissen

De aankondiging van de Apple Heart Study kreeg gisteren begrijpelijk minder aandacht dan de annoncering van iPhone X, de nieuwste Apple smartphone die rond de duizend euro gaat kosten. Maar het onderzoeksproject, dat Apple dit najaar samen met onderzoekers van de Stanford Universiteit gaat starten, is een interessante nieuwe stap in Apple’s strategie om een belangrijke speler in de zorgmarkt te worden. Het idee erachter is om de data van de hartslagsensor, die in elke Apple Watch aanwezig is, te gebruiken om te kunnen vaststellen of de drager ervan last heeft van een hartritmestoornis, in het bijzonder boezemfibrilleren. Deze ritmestoornis is op zich niet levensbedreigend, maar vergroot het risico op een beroerte wanneer een bloedprop uit het hart doorschiet naar de hersenen. Een juiste diagnose levert daarmee met een passende behandeling een grote gezondheidswinst op.

Het stellen van de juiste diagnose is niet eenvoudig, vooral wanneer de ritmestoornis zich onregelmatig voordoet en je meestal dus niet in de buurt van een ECG-apparaat bent. Mensen kunnen worden uitgerust met een draagbaar ECG-apparaat (een zogeheten Holtermonitor) om te proberen het fibrilleren vast te leggen, maar het langdurig dragen van zo’n monitor is belastend en duur.

Alivecor Kardia

In de afgelopen jaren zijn ook andere oplossingen ontwikkeld, zoals de Kardia van Alivecor. Dat is een kleine sensor die samenwerkt met je smartphone en die je altijd bij hebt. Wanneer je denkt dat je last hebt van fibrilleren, kun je een hartfilmpje maken met je telefoon en dit doorsturen naar een cardioloog. Uit verschillende klinische studies is inmiddels gebleken dat een sensor als die van AliveCor voldoende gevoelig en specifiek is om met een hoge mate van betrouwbaarheid boezemfibrilleren te kunnen diagnosticeren. Ook de camera van je telefoon is bruikbaar om hartritmestoornissen op te sporen. In Nederland ontwikkelden cardioloog Jonas de Jong van het Onze Lieve Vrouwe Gasthuis (OLVG) en Yosef Safi Harb van Happitech een app om hartritmestoornissen te kunnen onderzoeken en zo mogelijk te herkennen.

Je smartwatch draag je (bijna) altijd

De ambitie van Apple gaat verder. Bij elke gebruiker van een Apple Watch (maar ook van vergelijkbare trackers als die van Fitbit, Garmin of Samsung) word 24/7 de hartslag gemeten door de optische sensor aan de onderkant van het horloge. De meetgegevens die afkomstig zijn van deze sensor zijn lang niet zo nauwkeurig als die van de elektrische sensoren die voor ECG-apparaten en oplossingen als AliveCor worden gebruikt. Maar het grote voordeel is dat de gebruiker het horloge of de tracker de hele dag (en soms ook ’s nachts) draagt. Dat levert een stuwmeer aan gegevens op.

Tot nu toe worden die dagelijkse hartslaggegevens in apps als Apple’s Gezondheid gepresenteerd in een niet-medische context. Je horloge geeft je informatie over je laagste, hoogste en gemiddelde hartslag gedurende de dag, of over je hartslag tijdens het sporten. De conclusies die je er als gebruiker aan zou kunnen verbinden zijn heel algemeen geformuleerd: bijvoorbeeld “een lage rusthartslag duidt doorgaans op een betere conditie”. Gisteren kondigde Apple aan dat de nieuwe versie van de Watch software al weer verder te gaat, en de gebruiker gaat waarschuwen wanneer diens hartslag ongebruikelijk hoog is zonder dat er een inspanning wordt verricht.

Apple Watch als medisch hulpmiddel?

Maar het waarschuwen van een gebruiker voor een aanval van boezemfibrilleren gaat een forse stap verder, en maakt van een smartwatch waarschijnlijk een medisch hulpmiddel. Daarvoor gelden andere spelregels. Het is dan ook geen wonder dat Apple in de afgelopen jaren - net als andere leveranciers - veel contact heeft gehad met de Amerikaans FDA, die toeziet op de markt voor medische apps en hulpmiddelen. Het gaat hierbij waarschijnlijk nog niet om de vraag of een bepaalde app nu al op de markt mag komen, maar onder welke voorwaarden een grote klinische studie als die met Stanford mag plaatsvinden.

Cardiogram app: machine learning

Er zijn al voorzichtige indicaties dat de hartslagsensoren in fitness trackers en smartwatches bruikbaar zijn om boezemfibrilleren te kunnen herkennen. De Amerikaanse startup Cardiogram presenteerde eerder dit jaar op een congres van de Amerikaanse Heart Rhythm Society de voorlopige uitkomsten van een onderzoek bij ruim zesduizend gebruikers van de Cardiogram app voor de Apple Watch. Dat leverde 139 miljoen hartslagmetingen op, die werden gebruikt om een zogeheten neuraal netwerk te trainen boezemfibrilleren te kunnen onderscheiden van een normaal hartritme. Het gebeurt steeds vaker dat zogeheten machine learning systemen worden ingezet voor diagnostische toepassingen, bijvoorbeeld voor het herkennen van oogaandoeningen, melanomen en longkanker.

Nog geen ECG-precisie, maar wel veelbelovend

Bij de mRhythm studie bleken de algoritmen die aan de slag gingen met de miljoenen meetpunten uit de Apple Watch (in vergelijking met een testgroep die met een 12-kanaals ECG-apparaat werden onderzocht) een veelbelovende precisie en gevoeligheid op te leveren, aldus het persbericht van de Heart Rhythm Society. Cardioloog Greg Marcus, die vanuit de Universiteit van California bij de studie betrokken was, waarschuwde destijds in interviews met de pers wel dat er nog een flinke weg te gaan was voordat de Apple Watch een diagnose met de mogelijkheden van een ECG-apparaat zou kunnen stellen. Hij zag vooral een belangrijke toepassing als screening-hulpmiddel: je horloge waarschuwt je dat je een huisarts of cardioloog moet raadplegen voor nader onderzoek.

Een grootschalige studie naar ritmestoornissen zoals Apple die nu wil organiseren is nog niet eerder uitgevoerd. Door de app voor het onderzoek in de app store beschikbaar te maken voor elke gebruiker van de Apple Watch zou de studie tienduizenden, honderdduizenden of uiteindelijk zelfs miljoenen deelnemers kunnen krijgen. Die metingen mogen dan wel niet zo nauwkeurig zijn als die van een elektrisch ECG, het zijn er wel ongelooflijk veel. En grote hoeveelheden relevante data - ook al zijn ze onvolledig gerubriceerd - zorgen ervoor dat makers van machine learning systemen hun modellen weer beter kunnen trainen. En daarmee komt dan wellicht ook de heilige graal in zicht: niet alleen het diagnostiseren, maar mogelijk ook het kunnen voorspellen van dit soort aandoeningen.