Künstliche Intelligenz (KI) könnte die kardiovaskuläre Medizin verändern. Bislang gibt es jedoch noch viele Herausforderungen, und nur wenige KI-Tools haben nachweislich die Versorgung verbessert. Dies geht aus einer neuen wissenschaftlichen Stellungnahme der American Heart Association hervor, die heute in Circulation, der führenden Fachzeitschrift der Vereinigung, veröffentlicht wurde.
Die neue wissenschaftliche Stellungnahme mit dem Titel „Use of Artificial Intelligence in Improving Outcomes in Heart Disease“ (Einsatz von künstlicher Intelligenz zur Verbesserung der Ergebnisse bei Herzerkrankungen) kommt in einer Zeit, in der die KI als Möglichkeit zur Verbesserung der Prävention, Erkennung, Diagnose und Behandlung von Herz-Kreislauf-Erkrankungen stark im Fokus steht.
„Hier präsentieren wir den aktuellen Stand der Wissenschaft in Bezug auf spezifische KI-Anwendungen – von der Bildgebung und Wearables bis hin zur Elektrokardiographie und Genetik“, sagte der Vorsitzende des Redaktionskomitees Antonis Armoundas, Ph.D., leitender Forscher am Cardiovascular Research Center am Massachusetts General Hospital und außerordentlicher Professor für Medizin an der Harvard Medical School, beide in Boston. „Zu den Zielen dieses Manuskripts gehört es, bewährte Praktiken sowie Lücken und Herausforderungen zu identifizieren, die die Anwendbarkeit von KI-Tools in jedem Bereich verbessern könnten.“
KI ist in der Lage, riesige Datenmengen zu analysieren und Vorhersagen zu treffen, in der Regel für eng definierte Aufgaben, wie z. B. die Bereitstellung klinischer und mechanistischer Erkenntnisse in Grundlagen-, translationalen und klinischen Studien. Das maschinelle Lernen nutzt statistische und mathematische Modelle und Algorithmen, um in großen Datensätzen Muster zu erkennen, die für menschliche Beobachter mit Standardansätzen möglicherweise nicht erkennbar sind. Deep Learning, ein Teilbereich des maschinellen Lernens, befasst sich mit der Auswertung sehr komplexer Datensätze und deren Zuordnung zu nützlichen Bezeichnungen, beispielsweise bei der Bilderkennung und -interpretation.
Der Einsatz dieser Technologien hat zur Analyse elektronischer Gesundheitsakten (EHR) geführt, um verschiedene Behandlungseffekte zu verstehen, die Wirksamkeit von Tests und Interventionen zu vergleichen und in jüngster Zeit Vorhersage-, Klassifizierungs- und Optimierungsmodelle zu erstellen, die bei der klinischen Entscheidungsfindung helfen. Zu den KI-Anwendungen in der kardiovaskulären Versorgung gehören die Herzbildgebung, die Elektrokardiographie (oder EKG), die bettseitige Überwachung, implantierbare und tragbare Technologien, die Genetik und die Interpretation von elektronischen Patientenakten.
Lücken und Herausforderungen
Zu den Einschränkungen bei der Nutzung von KI und maschinellem Lernen in allen Bereichen der kardiovaskulären Medizin gehören laut der Erklärung:
- Protokolle, die eine angemessene Informationsbeschaffung, -auswahl und -organisation sowie die gemeinsame Nutzung und den Datenschutz gewährleisten, sind von entscheidender Bedeutung. Auch potenzielle ethische und rechtliche Herausforderungen müssen angegangen werden.
- Es wird eine größere wissenschaftliche Wissensgrundlage benötigt. Bei den derzeitigen KI-basierten Algorithmen fehlt es an prospektiver Forschung oder Studien, die die Auswirkungen der KI modellieren, um ihre potenziellen Auswirkungen in der Zukunft genau zu untersuchen. Es besteht ein dringender Bedarf an prospektiv gesammelten Informationen, klinischen Studien und der Entwicklung automatisierter Arbeitsabläufe, um bestimmte Aufgaben, die die Effizienz verbessern können, zu starten und zu pflegen.
- Die Umsetzung von KI-Algorithmen in der Praxis kann durch den Mangel an standardisierten Plattformen in der Gesundheitsbranche eingeschränkt werden, um Vorhersagen zu melden und Erkenntnisse in Datensätzen zu skalieren.
- Die Autoren weisen auch auf die Notwendigkeit hin, in den USA Regulierungswege für KI-gestützte Technologien zu entwickeln, um Sicherheit und Effektivität zu gewährleisten und Schäden zu mindern, da sich die Technologien rasch weiterentwickeln.
„Eine solide prospektive klinische Validierung in großen, heterogenen Populationen, die verschiedene Formen der Verzerrung minimiert, ist unerlässlich, um Unsicherheiten zu beseitigen und Vertrauen zu schaffen, was wiederum dazu beitragen wird, die klinische Akzeptanz und Annahme zu erhöhen“, sagte Armoundas.
AI nach kardiovaskulären Anwendungen
Die Autoren untersuchten verschiedene Bereiche des Einsatzes von KI in der kardiovaskulären Medizin:
Bildgebung. Die Bildgebung ist wichtig für die genaue Diagnose von Herz-Kreislauf-Erkrankungen und Schlaganfällen. Mit Hilfe von KI und maschinellem Lernen sollen Unstimmigkeiten bei der menschlichen Interpretation beseitigt und überlastete Experten für die Verarbeitung von Herz- und Hirnbildern entlastet werden. Der Einsatz von KI und maschinellem Lernen für die Interpretation von Bildgebungstests im weiteren Sinne ist eine Herausforderung, da häufig keine repräsentativen Bildgebungsdatensätze zur Verfügung stehen; außerdem muss für jeden Anwendungsbereich validiert werden, wie sich diese Technologien auf die klinischen Ergebnisse auswirken.
Elektrokardiographie. Zu den vielversprechenden Anwendungen der KI gehört die Interpretation der Elektrokardiographie, mit der die elektrische Aktivität des Herzens gemessen wird. KI hat dazu beigetragen, die EKG-Interpretation zu automatisieren, indem sie subtile Ergebnisse identifiziert, die menschliche Experten möglicherweise nicht sehen, und Veränderungen vorhersagt, die auf noch nicht offensichtliche Anomalien hindeuten.
Implantierbare und am Körper zu tragende Technologien. Implantierbare und tragbare Technologien können Gesundheitsinformationen nahezu kontinuierlich auswerten, was zu einer schnelleren Erkennung von Funktionseinbußen und/oder der Notwendigkeit einer verbesserten Überwachung oder der Suche nach Interventionsmethoden beitragen kann. Letztlich ermöglichen diese Geräte eine Fernüberwachung, die eine direktere Rolle bei der Erleichterung einer erfolgreichen ambulanten Pflege spielen könnte. In einigen Fällen können tragbare Geräte dazu beitragen, Ungleichheiten in der Pflege zu verringern und das Wohlbefinden zu verbessern. Noch nicht geklärt ist, welche Patienten und Erkrankungen sich am besten für eine durch KI und maschinelles Lernen unterstützte Fernüberwachung eignen und wie Behandlungsprotokolle für sie entwickelt und validiert werden können.
Die Autoren weisen darauf hin, dass Wearables für Verbraucher, einschließlich Smartwatches und Fitness-Tracker, die körperliche Aktivität, Herzfrequenz und andere physiologische Parameter messen, von der FDA zugelassene Komponenten enthalten können oder auch nicht. Die Wirksamkeit und Genauigkeit von Wearables hängt von vielen Faktoren ab, unter anderem von der Art des Sensors/der Sensoren im Gerät. Insgesamt gibt es noch Lücken bei der Standardisierung des optimalen Einsatzes dieser Geräte und bei der Frage, wie Kosteneffizienz, Implementierung, Ethik, Datenschutz, Sicherheit, gleichberechtigter Zugang und vieles mehr gewährleistet werden können.
Genetik. Obwohl KI-Algorithmen die Fähigkeit zur Interpretation genetischer Varianten und Anomalien verbessert haben, warnt der Autorenausschuss davor, diese Werkzeuge für definitive Klassifizierungen zu verwenden.
„Es gibt bereits zahlreiche Anwendungen, bei denen auf KI und maschinellem Lernen basierende digitale Werkzeuge das Screening verbessern, Erkenntnisse darüber gewinnen, welche Faktoren die Gesundheit eines einzelnen Patienten verbessern, und Präzisionsbehandlungen für komplexe Gesundheitszustände entwickeln können“, so Armoundas.
„Es besteht ein dringender Bedarf, Programme zu entwickeln, die die Ausbildung in der Wissenschaft hinter den KI-/Maschinenlernwerkzeugen beschleunigen und so die Einführung und Schaffung von handhabbaren, kosteneffizienten, automatisierten Prozessen beschleunigen. Wir brauchen mehr auf KI und maschinellem Lernen basierende Werkzeuge für die Präzisionsmedizin, die dazu beitragen, wichtige ungedeckte Bedürfnisse in der Medizin zu befriedigen, die anschließend in robusten klinischen Studien getestet werden können“, sagte Armoundas. „Dieser Prozess muss organisch die Notwendigkeit einbeziehen, Verzerrungen zu vermeiden und die Verallgemeinerbarkeit der Ergebnisse zu maximieren, um zu verhindern, dass bestehende Ungleichheiten in der Gesundheitsversorgung fortgeschrieben werden.“
Diese wissenschaftliche Erklärung wurde von der freiwilligen Autorengruppe im Auftrag des Institute for Precision Cardiovascular Medicine der American Heart Association, des Council on Cardiovascular and Stroke Nursing, des Council on Cardiovascular Disease in the Young, des Council on Cardiovascular Radiology and Intervention, des Council on Hypertension, des Council on the Kidney in Cardiovascular Disease und des Stroke Council verfasst. Wissenschaftliche Stellungnahmen der American Heart Association fördern das Bewusstsein für Herz-Kreislauf-Erkrankungen und Schlaganfälle und helfen, fundierte Entscheidungen im Gesundheitswesen zu treffen. In wissenschaftlichen Stellungnahmen wird dargelegt, was derzeit über ein Thema bekannt ist und in welchen Bereichen zusätzliche Forschung erforderlich ist. Wissenschaftliche Stellungnahmen fließen zwar in die Entwicklung von Leitlinien ein, geben aber keine Behandlungsempfehlungen. Die Leitlinien der American Heart Association stellen die offiziellen klinischen Praxisempfehlungen der Vereinigung dar.
Mitglieder und Mitautoren des Schreibausschusses sind der stellvertretende Vorsitzende Sanjiv M. Narayan, M.D., Ph.D., FAHA; Donna K. Arnett, Ph.D., FAHA; Kayte Spector-Bagdady, J.D.; Derrick A. Bennett, Ph.D.; Leo Anthony Celi, M.D.; Paul A. Friedman, M.D.; Michael H. Gollob, M.D.; Jennifer L. Hall, Ph.D.; Anne E. Kwitek, Ph.D., FAHA; Elle Lett, Ph.D.; Bijoy K. Menon, M.D.; Katherine A. Sheehan, Ph.D.; und Salah S. Al-Zaiti, Ph.D. Die Angaben der Autoren sind im Manuskript enthalten.
Die Vereinigung wird hauptsächlich von Einzelpersonen finanziert. Auch Stiftungen und Unternehmen (einschließlich Pharmaunternehmen, Gerätehersteller und andere Firmen) spenden und finanzieren bestimmte Programme und Veranstaltungen der Vereinigung. Die Vereinigung hat strenge Richtlinien, um zu verhindern, dass diese Beziehungen den wissenschaftlichen Inhalt beeinflussen. Die Einnahmen von Pharma- und Biotechnologieunternehmen, Geräteherstellern und Krankenversicherungen sowie die allgemeinen Finanzdaten der Association finden Sie hier.
Entdecke mehr von LabNews
Melde dich für ein Abonnement an, um die neuesten Beiträge per E-Mail zu erhalten.
