Selbstlernendes Algorithmus kann Herzversagen vorhersagen

Ein neuer künstlicher Intelligenz (KI)-basierter Computer-Algorithmus, der in der Lage ist, subtile Veränderungen in Elektrokardiogrammen (EKGs) zu erkennen, kann vorhersagen, wenn eine Person ein Herzversagen erleidet. Der Algorithmus wurde am Mount Sinai Hospital entwickelt und die Forschung wurde im Journal of the American College of Cardiology: Cardiovascular Imaging veröffentlicht.

Benjamin S. Glicksberg, PhD, ist Assistant Professor für Genetik und Genomwissenschaften, Mitglied des Hasso Plattner Institute for Digital Health am Mount Sinai und Senior-Autor der Studie.

“Wir haben gezeigt, dass Deep-Learning-Algorithmen Blutpump-Probleme auf beiden Seiten des Herzens aus EKG-Wellenform-Daten erkennen können”, sagte Glicksberg. “Üblicherweise erfordert die Diagnose dieser Art von Herzbedingungen teure und zeitaufwändige Verfahren. Wir hoffen, dass dieser Algorithmus eine schnellere Diagnose von Herzversagen ermöglichen wird.”

Neue Chancen mit KI

Ärzte haben traditionell ein Echokardiogramm verwendet, eine Bildgebungs-Technik, um zu bewerten, ob ein Patient ein Herzversagen erleidet. Dies ist jedoch arbeitsintensiv und nur in einigen Krankenhäusern verfügbar.

KI schafft neue Chancen in dieser Hinsicht, da Forschungsergebnisse darauf hindeuten, dass Elektrokardiogramme eine effektive Alternative sein könnten. Jüngste Forschungsergebnisse haben gezeigt, dass ein Deep-Learning-Algorithmus eine Schwäche in der linken Herzkammer erkennen kann. Die neue Forschung am Mount Sinai beschreibt die Entwicklung eines Algorithmus, der die Stärke der linken Herzkammer sowie der rechten Herzkammer bewertet.

Girish N. Nadkarni, MD, MPH, CPH, ist Associate Professor für Medizin an der Icahn School of Medicine am Mount Sinai, Leiter der Abteilung für Datengetriebene und Digitale Medizin (D4M) und Senior-Autor der Forschung.

“Obwohl es ansprechend ist, ist es traditionell für Ärzte herausfordernd, EKGs zur Diagnose von Herzversagen zu verwenden. Dies liegt teilweise daran, dass es keine etablierten diagnostischen Kriterien für diese Beurteilungen gibt und dass einige Veränderungen in EKG-Ausgaben einfach zu subtil für das menschliche Auge sind, um sie zu erkennen”, sagte Dr. Nadkarni. “Diese Studie stellt einen aufregenden Schritt nach vorne dar, um Informationen innerhalb der EKG-Daten zu finden, die zu besseren Screening- und Behandlungsparadigmen mit einem relativ einfachen und weit verbreiteten Test führen können.”

Programmierung und Testen der Maschine

Die Forscher programmierten einen Computer, um Patienten-EKGs und Daten aus schriftlichen Berichten zu lesen, wobei die letzteren als Standard-Datensatz für den Computer dienten, um sie mit den EKG-Daten zu vergleichen. Dies ermöglichte es, schwache Herzen zu identifizieren.

Mit Natural Language Processing (NLP)-Programmen konnte der Computer diese Daten aus den schriftlichen Worten extrahieren. Gleichzeitig konnten neuronale Netze Muster in Bildern erkennen, die dann in den Algorithmus integriert werden konnten, um ihm zu helfen, Pumpstärken zu erkennen.

“Wir wollten den Stand der Technik vorantreiben, indem wir KI entwickelten, die das gesamte Herz leicht und kostengünstig verstehen kann”, sagte Dr. Vaid.

Die Maschine analysierte 700.000 EKGs und Echokardiogramm-Berichte, die aus vier verschiedenen Krankenhäusern stammten. Ein fünftes Krankenhaus wurde verwendet, um zu testen, wie der Algorithmus in einer anderen experimentellen Umgebung funktionieren würde.

“Ein potenzieller Vorteil dieser Studie ist, dass sie eine der größten Sammlungen von EKGs aus einer der vielfältigsten Patientenpopulationen der Welt umfasst”, sagte Dr. Nadkarni.

Der Algorithmus zeigte eine effektive Fähigkeit, vorherzusagen, welche Patienten eine gesunde oder schwache linke Herzkammer haben würden, und er war 94 Prozent genau bei der Vorhersage, welche Patienten eine gesunde Ejektionsfraktion hatten, also wie viel Flüssigkeit die Herzkammer mit jedem Schlag pumpt. Der Algorithmus war auch 87 Prozent genau bei der Vorhersage von Patienten, die eine Ejektionsfraktion unter 40 Prozent hatten.

Ein Bereich, in dem noch Arbeit zu leisten ist, ist die Vorhersage, welche Patienten ein leicht geschwächtes Herz haben würden. Der Algorithmus hatte nur eine Genauigkeitsrate von 73 Prozent bei der Vorhersage von Patienten, die eine Ejektionsfraktion zwischen 40 und 50 Prozent hatten.

Der Algorithmus konnte auch Rechtsventrikelschwächen aus den EKGs erkennen, wobei er eine Genauigkeitsrate von 84 Prozent bei der Vorhersage von Patienten mit schwachen rechten Ventrikeln erreichte.

“Unsere Ergebnisse deuten darauf hin, dass dieser Algorithmus möglicherweise dazu beitragen kann, dass Ärzte Herzversagen auf beiden Seiten des Herzens richtig diagnostizieren”, sagte Dr. Vaid.

Ein weiterer wichtiger Punkt dieser Forschung war, dass sie darauf hindeutete, dass die KI effektiv sein könnte, um Herzschwäche bei allen Patienten zu erkennen, unabhängig von Rasse und Geschlecht.

“Unsere Ergebnisse deuten darauf hin, dass dieser Algorithmus ein nützliches Werkzeug für klinische Praktiker sein könnte, um Herzversagen bei einer Vielzahl von Patienten zu bekämpfen”, fügte Dr. Glicksberg hinzu. “Wir sind dabei, prospektive Studien sorgfältig zu planen, um seine Wirksamkeit in einer realistischeren Umgebung zu testen.”