Künstliche Intelligenz unterstützt Risikobeurteilung für angeborene Herzfehler., iStockphoto.com | laremenko © iStockphoto.com | laremenko

Medizin und Versorgung

Die Vermessung des Herzens

Künstliche Intelligenz ermittelt Prognose für ToF-Patienten

Wissenschaftlicher Name der Studie

Prediction of prognosis in patients with tetralogy of Fallot based on deep learning imaging analysis

Die Zahl der Erwachsenen mit angeborenen Herzfehlern steigt kontinuierlich. Moderne Operationsverfahren sichern heute das Überleben der meisten Patienten. Das gilt auch für Patienten mit einer Fallot-Tetralogie. Die Fallot-Tetralogie (ToF) zählt zu den häufigsten angeborenen zyanotischen Herzfehlern. Etwa 12,5 Prozent der Erwachsenen mit angeborenen Herzfehlern sind von ihr betroffen.

Deren Langzeitprognose gilt nach erfolgter Korrektur insbesondere in den westlichen Industrieländern als gut. Dennoch drohen Spätkomplikationen wie Pulmonalklappeninsuffizienz oder von den Herzkammern ausgehende Herzrhythmusstörungen bis hin zum plötzlichen Herztod. Nach dem korrigierenden Eingriff sind die Betroffenen daher auf eine lebenslange spezialisierte medizinische Nachsorge angewiesen.

Wie sich Herz- und Lungenfunktion nach einem erfolgreichen Eingriff entwickeln, hängt maßgeblich von der Entwicklung des korrigierten Organs ab. Dabei kommt es vor allem auf die Herzkammern, ihre Struktur, ihr Volumen, ihren Gewebeaufbau und die davon abhängige Pumpleistung an. Die entsprechenden Kenngrößen lassen sich heute mit Hilfe moderner bildgebender Verfahren wie der kardialen Magnetresonanztomographie (MRT) weitgehend zuverlässig beurteilen. Diese Untersuchungen müssen regelmäßig erfolgen, um gegebenenfalls rechtzeitig eine entsprechende medizinische Behandlung einzuleiten. Die Betroffenen sind dabei auf kurze Wartezeiten und die Betreuung aus einer Hand angewiesen. Das stellt die medizinische Versorgung der wachsenden Patientengruppe zunehmend vor eine Herausforderung.

Was leistet Künstliche Intelligenz in der Prognosebeurteilung?

Lassen sich mit Hilfe künstlicher Intelligenz (KI) anhand von MRT-Bildern mögliche ventrikuläre Tachykardien und das Risiko des plötzlichen Herztodes zuverlässig so voraussagen, dass gezielter eingegriffen werden kann? Das hat das Forscherteam um den EMAH-Spezialisten Gerhard-Paul Diller vom Universitätsklinikum Münster in einer Machbarkeitsstudie anhand von algorithmisch berechneten Parametern auf Grundlage von bundesweit eingesammelten medizinischen Daten und archivierten MRT-Bildern von Patientinnen und Patienten mit einer korrigierten Fallot-Tetralogie (ToF) erstmals getestet.

  • Kurz erklärt

    Künstliche Intelligenz in der Medizin

    Worum geht es?

    Vom gezielten Einsatz künstlicher Intelligenz versprechen sich die Forscher eine höhere Genauigkeit der Diagnosen sowie verlässliche Informationen über Langzeitverläufe von Erkrankungen, um Therapien und Therapiewege zu verbessern, bislang unheilbare Krankheiten heilen oder zumindest Lebenserwartung und Lebensqualität der Patienten steigern zu können. Dabei handelt es sich um die gezielte Anwendung maschinellen Lernens. Speziell programmierte Rechenvorgänge werten enorme Mengen digital vorliegender medizinisch relevanter Daten und Datenstrukturen aus und errechnen daraus Diagnosen, Langzeitverläufe und Therapiemöglichkeiten. Künstliche Intelligenz bezeichnet dabei die programmierte Fähigkeit der angewandten Algorithmen (Rechenvorgänge) zur Erkennung, Unterscheidung, Einordnung und Beurteilung komplexer Zusammenhänge.

    zuklappen

„Anhand der MRT-Bilder von 42 Patientinnen und Patienten mit korrigierter ToF aus dem Universitätsklinikum Münster haben wir ein mehrschichtiges, auf Deep Learning Algorithmen basierendes Netzwerk zunächst auf die Auswertung der MRT-Bilder trainiert und dieses anschließend auf einen prospektiv aus 14 deutschen Herzzentren gesammelten externen Bildgebungsdatensatz angewandt. Dieser Datensatz setzte sich aus den medizinischen Daten und Bilddaten von 372 Patientinnen und Patienten mit korrigierter ToF zusammen“, erläutert Gerhard-Paul Diller die Vorgehensweise.

  • Gut zu wissen

    Deep Learning Algorithmen

    Was sie können

    Deep Learning Algorithmen spielen die Hauptrolle beim maschinellen Lernen, einer der häufigsten Techniken in der künstlichen Intelligenz. Bei DL-Algorithmen handelt es sich um selbstadaptive, das heißt ohne Zutun von außen anpassungsfähige, Rechenvorgänge, die in der Lage sind, vielschichtige Datenstrukturen zu erkennen, auszuwerten und aus ihnen zu lernen, um spezielle Aufgaben oder Probleme zu lösen.

    zuklappen

Langzeitbeobachtung sorgte für wichtige Anhaltspunkte

Für den Abgleich der Methoden zogen die Wissenschaftler zusätzlich konventionelle Verfahren der Prognoseabschätzung heran. Dabei stellte sich heraus, dass das wesentlich schnellere KI-basierte Prognosemodell den bewährten konventionellen Verfahren keinesfalls unterlegen war. „Die KI-basierten Messungen der Ventrikelfunktion und Ventrikelgröße führten bei adäquater Bildqualität zu einer zuverlässigen Vorhersage. Damit spricht viel dafür, diese Methode weiter zu entwickeln. KI basierte Prognosebeurteilungen können entscheidend dazu beitragen, die Behandlung der Patienten effizienter zu gestalten“, fasst Gerhard-Paul Diller die Ergebnisse der Studie zusammen.

Entscheidende Anhaltspunkte lieferten dabei die Ergebnisse der Langzeitbeobachtung von 372 Teilnehmerinnen und Teilnehmern des Nationalen Registers über einen Zeitraum von zehn Jahren. Bei insgesamt 23 von ihnen traten Spätkomplikationen auf. 16 Patientinnen und Patienten erlitten eine ventrikuläre Tachykardie. Sieben Patientinnen und Patienten haben einen plötzlichen Herztod durch entsprechende Reanimationsmaßnahmen entweder überlebt oder sind an ihm verstorben. Den Forschern gelang es auf dieser Grundlage, die entsprechenden Kennwerte für die Prognosebeurteilung zu ermitteln.

Erhöhtes Risiko erfordert spezialisierte Behandlung

Das Risiko solcher Spätkomplikationen erhöht sich demnach bei Patienten mit vergrößertem rechten Vorhof und verminderter Leistung des rechten Ventrikels sowie bei Patienten mit Funktionsstörungen des rechten und linken Ventrikels, die durch eine veränderte Struktur des Organs hervorgerufen werden. Auch vor diesem Hintergrund raten die Forscher dringend zur medizinischen Betreuung und Behandlung der Betroffenen in auf Erwachsene mit angeborenen Herzfehlern spezialisierten Zentren.

  • Wissenschaftliche Details zur Studie

    Erfahren Sie mehr zum Studiendesign, den Materialien und Methoden, sowie zu den Hintergründen der Studie:

    Publikationen

    • 15.7.2020

      Prediction of prognosis in patients with tetralogy of Fallot based on deep learning imaging analysis.

      Diller GP, Orwat S, Vahle J, Bauer UMM, Urban A, Sarikouch S, Berger F, Beerbaum P, Baumgartner H, German Competence Network for Congenital Heart Defects Investigators ,

      Heart (British Cardiac Society) 106, 13, 1007-1014, (2020). Diese Publikation bei PubMed anzeigen.

    zuklappen
Diese Studie wurde gefördert durch die EMAH Stiftung Karla Völlm. © EMAH Stiftung Karla Völlm
Diese Studie wurde gefördert durch die EMAH Stiftung Karla Völlm.

Das könnte Sie auch interessieren:


Diese Seite teilen per ...