Künstliche Intelligenz könnte einer Studie zufolge dabei helfen, Menschen mit einem Risiko für Herzversagen zu erkennen. Forscher der medizinischen Fakultät der Universität Dundee haben künstliche Intelligenz eingesetzt, um die Diagnose und Behandlung von Herzversagen im Frühstadium zu verbessern.
Lesen Sie auch: Europäischer Rechnungshof kritisiert EU wegen mangelnder Koordinierung von KI-Investitionen
Die Forscher verwendeten künstliche Intelligenz mittels maschineller Lerntechniken bei der Analyse echokardiographischer Bilder von Tausenden von Patienten, um kleine Anzeichen von Herzproblemen zu erkennen, die zu Herzversagen führen. Dies könnte die diagnostische Wirksamkeit erheblich verbessern und Patienten im Gesundheitswesen zugute kommen.
Forscher nutzen KI, um Muster in der Herzform zu visualisieren
Um dies zu erreichen, verwendete das Forschungsteam unter der Leitung von Prof. Chim Lang experimentelle Deep-Learning-Ansätze der künstlichen Intelligenz, um echokardiografische Bilder aus bevölkerungsbasierten elektronischen Gesundheitsakten und Herzscans zu lesen und zu analysieren. Dadurch konnten sie Muster in der Form und Funktion des Herzens visualisieren, die bei einem Patienten ein höheres Risiko für die Entwicklung einer Herzinsuffizienz darstellen können.
Studie zeigt, dass KI zur Erkennung des Herzversagenrisikos eingesetzt werden könnte. https://t.co/TkUuruMLMs
— STV News (@STVNews) 30. Mai 2024
Die Forscher nutzten Daten, die Patienten freiwillig aus dem Scottish Health Research Register and Biobank (SHARE) zur Verfügung gestellt hatten. Sie wählten zunächst einen Datensatz von 15.000 Patientenakten aus, aus dem die endgültige Stichprobe von 578 Patienten abgeleitet wurde.
KI-Herzscans sind präziser
Die mithilfe künstlicher Intelligenz durchgeführten Herzscans lieferten vergleichsweise präzisere Messungen als herkömmliche Scans. Laut Professor Chim Lang, der die Studie leitete, lieferte die KI-Software mehr Merkmale der Herzstruktur und -funktion, die für die Diagnose von Herzversagen wichtig sind.
„Unsere Forschung stellt einen Fortschritt bei der Nutzung von Deep Learning zur automatischen Interpretation echokardiographischer Bilder dar. Dies kann es uns ermöglichen, die Identifizierung von Patienten mit Herzinsuffizienz in großem Umfang in elektronischen Patientenakten zu optimieren.“
Professor Lang
Die durch KI verbesserten echokardiographischen Bilder zeigten Größe und Funktion des Herzens besser als die durchschnittlichen Scans, die aus EHR-Dateneinstellungen abgerufen wurden. Dieser Detailgrad sowie die Möglichkeit, Bilder in größerem Maßstab zu verarbeiten, könnten die Patientenauswahl bei klinischen Studien beschleunigen oder bei der Überwachung von Herzinsuffizienz in Gesundheitssystemen helfen.
Lesen Sie auch: Opera integriert Googles Gemini-Modelle, um die KI des Aria-Browsers zu verbessern
Herzinsuffizienz ist nach wie vor ein weit verbreitetes klinisches und öffentliches Gesundheitsproblem. Dabei handelt es sich um einen Zustand, in dem das Herz nicht mehr genügend Blut in den Rest des Körpers pumpen kann. Es gibt keine Heilung für diese Erkrankung, aber Veränderungen des Lebensstils, Operationen und Medikamente können helfen, die Symptome und das Fortschreiten der Krankheit zu kontrollieren, die normalerweise mit der Zeit fortschreitet.
Anhand der Patientenakten nutzten die Forscher maschinelles Lernen, um strukturelle und funktionelle Anomalien zu identifizieren, die allein bei der echokardiografischen Bildanalyse nur schwer zu erkennen wären.
KI erkennt Anomalien, die mit herkömmlichen Analysen nicht auffindbar sind
In einem Interview erklärte Professor Lang, dass die Studie großes Potenzial habe, das Leben der Patienten zu verbessern. Er erwähnte, dass das Team anhand der Auswertung typischer Patientenakten morphologische und mechanistische Anomalien erkennen konnte, die auf herkömmlichen zweidimensionalen Echokardiographiebildern nicht zu sehen gewesen wären.
„Durch die Auswertung riesiger Mengen von Patientenakten konnten wir strukturelle und funktionelle Anomalien erkennen, die uns mit der herkömmlichen Analyse echokardiografischer Bilder nicht möglich gewesen wären.“
Professor Lang
Die im ESC Heart Failure Journal veröffentlichte Studie unterstreicht, dass KI das Gesundheitswesen verändern kann, indem sie bei der Frühdiagnose dieser schwierigen Erkrankungen hilft. Wie bereits erwähnt, ebnet die Forschung mit Hilfe des Softwareentwicklers Us2 und der Finanzierung durch ROCH Diagnostics International den Weg für die weitere Erforschung von KI-Anwendungen in der prädiktiven Diagnostik und personalisierten Behandlung.
Cryptopolitan-Berichterstattung von Chris Murithi