Ein neues KI-Modell kann Patienten, die wahrscheinlich einen Herzinfarkt erleiden, viel besser identifizieren als Ärzte.
Der Dreh- und Angelpunkt ist die Fähigkeit des Systems, neben dem gesamten Spektrum medizinischer Aufzeichnungen auch lange Zeit wenig genutzte Herzbilder zu analysieren und so bislang verborgene Informationen über die Herzgesundheit eines Patienten ans Licht zu bringen.
Die von der Regierung finanzierte und von Forschern der Johns Hopkins University geleitete Arbeit könnte viele Leben retten und vielen Menschen unnötige medizinische Eingriffe ersparen, darunter die Implantation nicht benötigter Defibrillatoren.
„Derzeit sterben Patienten in der Blüte ihres Lebens, weil sie nicht geschützt sind, und andere müssen ihr Leben lang Defibrillatoren tragen, ohne dass ihnen etwas nützt“, sagte die leitende Autorin Natalia Trayanova , eine Forscherin, die sich auf den Einsatz künstlicher Intelligenz in der Kardiologie konzentriert. „Wir können mit sehr hoher Genauigkeit vorhersagen, ob bei einem Patienten ein sehr hohes Risiko für einen plötzlichen Herztod besteht oder nicht.“
Die Ergebnisse wurden heute in Nature Cardiovascular Research veröffentlicht .
Hypertrophe Kardiomyopathie ist eine der am weitesten verbreiteten vererbten Herzerkrankungen. Sie betrifft weltweit einen von 200 bis 500 Menschen und ist eine der Hauptursachen für den plötzlichen Herztod bei jungen Menschen und Sportlern.
Viele Patienten mit hypertropher Kardiomyopathie führen ein normales Leben, doch bei einem Teil besteht ein deutlich erhöhtes Risiko für einen plötzlichen Herztod. Für Ärzte ist es nahezu unmöglich, diese Patientengruppe zu identifizieren.
Die aktuellen klinischen Richtlinien, die von Ärzten in den USA und Europa verwendet werden, um die Patienten mit dem höchsten Risiko für einen tödlichen Herzinfarkt zu identifizieren, liegen bei etwa 50 Prozent, die richtigen Patienten zu identifizieren. „Das ist nicht viel besser als Würfeln“, sagt Trayanova.
Das Modell des Teams übertraf die klinischen Richtlinien in allen Bevölkerungsgruppen deutlich.
Multimodale KI zur Risikostratifizierung ventrikulärer Arrhythmien (MAARS) prognostiziert das Risiko eines einzelnen Patienten für einen plötzlichen Herztod, indem sie eine Vielzahl medizinischer Daten und Aufzeichnungen analysiert und erstmals alle in den kontrastmittelverstärkten MRT-Bildern des Herzens des Patienten enthaltenen Informationen untersucht.
Menschen mit hypertropher Kardiomyopathie entwickeln eine Fibrosenbildung, also Vernarbungen im Herzen. Diese Vernarbungen erhöhen das Risiko eines plötzlichen Herztods. Während die Ärzte die Roh-MRT-Bilder nicht interpretieren konnten, konnte das KI-Modell die kritischen Vernarbungsmuster gezielt erkennen.
„Man hat bei diesen Bildern kein Deep Learning eingesetzt“, sagte Trayanova. „Wir sind in der Lage, diese verborgenen Informationen aus den Bildern zu extrahieren, die normalerweise nicht berücksichtigt werden.“
Das Team testete das Modell an echten Patienten, die im Johns Hopkins Hospital und im Sanger Heart & Vascular Institute in North Carolina nach den traditionellen klinischen Richtlinien behandelt wurden.
Im Vergleich zu den klinischen Leitlinien, die in etwa der Hälfte der Fälle eine Genauigkeit lieferten, war das KI-Modell bei allen Patienten zu 89 % genau und – was entscheidend ist – bei Menschen im Alter zwischen 40 und 60 Jahren, also bei der Bevölkerungsgruppe mit hypertropher Kardiomyopathie, die am stärksten von einem plötzlichen Herztod bedroht ist, zu 93 % genau.
Das KI-Modell kann auch beschreiben, warum Patienten einem hohen Risiko ausgesetzt sind, sodass Ärzte einen medizinischen Plan erstellen können, der auf die spezifischen Bedürfnisse der Patienten zugeschnitten ist.
„Unsere Studie zeigt, dass das KI-Modell unsere Fähigkeit, diejenigen mit dem höchsten Risiko vorherzusagen, im Vergleich zu unseren aktuellen Algorithmen deutlich verbessert und somit das Potenzial hat, die klinische Versorgung zu verändern“, sagt Co-Autor Jonathan Crispin, ein Kardiologe von Johns Hopkins.
Im Jahr 2022 entwickelte Trayanovas Team ein anderes multimodales KI-Modell , das eine personalisierte Überlebensbewertung für Patienten mit Infarkten ermöglichte und vorhersagte, ob und wann jemand an einem Herzstillstand sterben würde.
Das Team plant, das neue Modell an weiteren Patienten zu testen und den neuen Algorithmus auf andere Arten von Herzerkrankungen auszuweiten, darunter kardiale Sarkoidose und arrhythmogene rechtsventrikuläre Kardiomyopathie.
DOI
Entdecke mehr von LabNews
Melde dich für ein Abonnement an, um die neuesten Beiträge per E-Mail zu erhalten.
