Die Erkennung von Vorhofflimmern (AF) aus Gehirnscans mithilfe von KI könnte die künftige Schlaganfallversorgung unterstützen, so eine neue Studie, die in der Zeitschrift Karger Cerebrovascular Diseases veröffentlicht wurde.
Eine neue Studie, die kürzlich in der Zeitschrift Cerebrovascular Diseases veröffentlicht wurde, zeigt, dass künstliche Intelligenz (KI) Ärzten helfen kann, eine häufige, aber oft verborgene Ursache von Schlaganfällen durch die Analyse von Gehirnscans zu erkennen. Die Technologie könnte die Schlaganfallbehandlung schneller, genauer und individueller machen.
Im Mittelpunkt steht das Vorhofflimmern (AF) – eine Art unregelmäßiger Herzschlag, der das Schlaganfallrisiko um das Fünffache erhöht. Da Vorhofflimmern anfänglich keine Symptome zeigt, wird es oft nicht erkannt, bis es bereits zu einem Schlaganfall gekommen ist. Herkömmliche Nachweismethoden, wie z. B. eine verlängerte Herzüberwachung, können teuer, invasiv und zeitaufwändig sein.
Die neue Forschungsarbeit des Melbourne Brain Centre und der Universität Melbourne verfolgt einen anderen Ansatz. Das Team trainierte ein maschinelles Lernmodell anhand von MRT-Bildern von Patienten, die bereits einen Schlaganfall erlitten hatten, und brachte dem Algorithmus bei, Muster zu erkennen, die mit Vorhofflimmern zusammenhängen.
Die Forscher fanden heraus, dass ihr KI-Modell eine „angemessene Klassifizierungsleistung“ bei der Unterscheidung von Schlaganfällen, die durch Vorhofflimmern verursacht wurden, und solchen, die durch verstopfte Arterien verursacht wurden, aufweist. In den Tests erreichte das Modell eine hohe Leistung (AUC 0,81), was darauf hindeutet, dass die KI ein wertvolles Instrument werden könnte, um Ärzte bei der Identifizierung von Patienten zu unterstützen, die weitere Herztests oder eine Behandlung benötigen.
Wie die Studie feststellt, „gewinnt das maschinelle Lernen für die klinische Entscheidungsfindung an Bedeutung und könnte die Erkennung von nicht diagnostiziertem Vorhofflimmern erleichtern, wenn es auf die Magnetresonanztomographie angewendet wird.“ Da Magnetresonanztomographien bereits ein Routinebestandteil der Schlaganfallversorgung sind, erfordert diese Methode keine zusätzlichen Scans oder Verfahren für die Patienten – und ist damit eine kostengünstige, nicht-invasive Möglichkeit, eine gezieltere Versorgung zu unterstützen.
Die Autoren der Studie betonen, dass größere Folgestudien erforderlich sind, aber das Potenzial ist vielversprechend: Eine frühere Erkennung von Vorhofflimmern könnte zu einer rechtzeitigeren Behandlung und weniger Schlaganfällen führen.
„Die frühzeitige Erkennung von Vorhofflimmern (AF) ist wichtig, um Patienten die beste Chance zu bieten, einen schweren kardioembolischen Schlaganfall zu verhindern. Viele Patienten erleiden jedoch zunächst einen akuten ischämischen Schlaganfall, bei dem die zugrunde liegende Ursache des Vorhofflimmerns stumm bleibt, weil es asymptomatisch und intermittierend ist„, sagt Craig Anderson, Chefredakteur der Zeitschrift Cerebrovascular Diseases. „Die Arbeit von Sharobeam et al. stellt einen neuartigen Ansatz vor, bei dem ein KI-basierter Algorithmus verwendet wird, um die Diagnose von Vorhofflimmern anhand des Musters der zerebralen Ischämie im MRT zu stellen.“
Die Arbeit ist hier verfügbar: doi.org/10.1159/000543042
Entdecke mehr von LabNews
Melde dich für ein Abonnement an, um die neuesten Beiträge per E-Mail zu erhalten.
