Künstliche Intelligenz revolutioniert Steuerung der Therapie bei AHF., fotolia.com | Siarhei © fotolia.com | Siarhei

Medizin und Versorgung

Verbessern Algorithmen die Therapiesteuerung?

Wie Künstliche Intelligenz bei angeborenen Herzfehlern hilft

Wissenschaftlicher Name der Studie

Machine learning algorithms estimating prognosis and guiding therapy in adult congenital heart disease: data from a single tertiary centre including 10.019 patients.

Wie lassen sich bei angeborenen Herzfehlern lebensbedrohliche Folgeerkrankungen vermeiden und wann muss medizinisch eingegriffen werden? Genaue Antworten auf diese Fragen erhoffen sich Forscher am Kompetenznetz Angeborene Herzfehler vom gezielten Einsatz Künstlicher Intelligenz, kurz KI.

Daten von mehr als 10.000 Erwachsenen mit angeborenen Herzfehlern

Unter der Leitung des EMAH-Forschers Gerhard-Paul Diller ist ein internationales Wissenschaftlerteam erstmals der Frage nachgegangen, inwiefern speziell programmierte Rechenvorgänge, so genannte Deep Learning Algorithmen (DL-Algorithmen), zur Schätzung der Prognose und Steuerung der Therapie bei angeborenen Herzerkrankungen geeignet sind. Im Rahmen der in Kooperation mit dem renommierten Royal Brompton Hospital in London durchgeführten KI-Studie algorithmisch ausgewertet worden waren die Daten von mehr als 10.000 erwachsenen Patienten mit angeborenen Herzfehlern oder Lungenhochdruck, die zwischen 2000 und 2018 in medizinischer Nachbeobachtung waren.

  • 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

44.000 medizinische Aufzeichnungen fütterten die Algorithmen

Trainiert wurden die DL-Algorithmen mit Hilfe von klinischen und demographische Daten, EKG-Parametern, kardiopulmonalen Belastungstests und ausgewählten Labormarkern. Mit Hilfe dieser Rohdaten brachten die Biometriker den Algorithmen bei, die Diagnosegruppe sowie die Komplexität der Erkrankung zu ermitteln und diese gemäß der Klassifikation der New York Heart Association (NYHA-Classification) dem korrekten Schweregrad zuzuordnen. Darüber hinaus wurden Modelle zur Erkennung uneindeutiger Diagnosen und abweichender Krankheitsverläufe entwickelt, die es den multidisziplinären Teams ermöglichten, die jeweiligen Befunde einzuordnen und die Prognose zu berechnen.

Genauigkeit von über 90 Prozent

Insgesamt errechneten die DL-Algorithmen, die auf über 44.000 medizinischen Aufzeichnungen basierten, sowohl Diagnose als auch Krankheits-Komplexität und NYHA-Klassifizierung mit einer Genauigkeit von über 90 Prozent in den Teststichproben. Ebenso wurde die erneute Notwendigkeit der Behandlung der Patienten mit einer über neunzigprozentigen Genauigkeit prognostiziert.

  • Kurz erklärt

    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

Ausweitung der KI-Forschung zur Verbesserung der Prognose

Im Nachbeobachtungszeitraum von acht Jahren verstarben 785 der 10.019 eingeschlossenen Patienten. Der aus den klinischen Informationen automatisch abgeleitete Schweregrad der Erkrankung war nach Überlebenszeitanalyse ausschlaggebend für die Lebenserwartung, unabhängig von den Parametern Demographie, Belastbarkeit, Labor und EKG. Die Ausweitung der KI-Forschung und die algorithmische Berechnung weiterer Daten könnten jetzt dabei helfen, individualisierte Therapiewege zu erstellen und die Lebenserwartung und Lebensqualität auch bei schweren angeborenen Herzfehlern deutlich zu steigern, so die Hoffnung der Wissenschaftler.

  • Wissenschaftliche Details zur Studie

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

    Publikationen

    • 1.4.2019

      Machine learning algorithms estimating prognosis and guiding therapy in adult congenital heart disease: data from a single tertiary centre including 10 019 patients.

      Diller GP, Kempny A, Babu-Narayan SV, Henrichs M, Brida M, Uebing A, Lammers AE, Baumgartner H, Li W, Wort SJ, Dimopoulos K, Gatzoulis MA

      European heart journal 40, 13, 1069-1077, (2019). 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 ...