Künstliche Intelligenz auf der Jagd nach Herzrhythmusstörungen

Ein von Forschenden des Smidt Heart Institute und des Cedars-Sinai Medical Center entwickeltes KI-Programm soll in der Lage sein, eine Art von Herzrhythmusstörung zu erkennen, die bei einer ärztlichen Untersuchung übersehen werden kann. Aus den Ergebnissen der in npj Digital Medicine publizierten Studie lässt sich schließen, dass künstliche Intelligenz eines Tages eingesetzt werden könnte, um gewöhnliche Echokardiogramme zu analysieren und sonst nicht sichtbare Probleme zu entdecken.

„Wir konnten zeigen, dass ein von uns entwickelter Deep-Learning-Algorithmus auf Echokardiogramme angewendet werden könnte, um Patient:innen mit einer verborgenen Herzrhythmusstörung zu finden, die als Vorhofflimmern bezeichnet wird“, erklärt Neal Yuan. „Vorhofflimmern kommt und geht, das heißt, es kann sein, dass es während eines Arztbesuchs nicht auftritt. Dieser KI-Algorithmus identifiziert Patient:innen, die möglicherweise unter Vorhofflimmern leiden, auch wenn sich diese Störung während der Echokardiographie nicht bemerkbar macht.“

Das Team entwickelte ein Programm, um mehr als 100 000 Videos von Echokardiographien von Patient:innen mit Vorhofflimmern zu untersuchen. Die KI unterschied Echokardiogramme von Herzen im Sinusrhythmus (das heißt mit normofrequentem Rhythmus) und Echokardiogramme, die hingegen einen unregelmäßigen Herzrhythmus zeigten. An diesem Punkt war sie in der Lage vorherzusehen, bei welchen Patient:innen im Sinusrhythmus innerhalb von 90 Tagen Vorhofflimmern auftreten oder sich entwickeln würde.

Das Modell für die Bewertung der Bilder funktionierte besser als die auf bekannten Risikofaktoren beruhende Einschätzung des Risikos.

„Die Tatsache, dass dieses Programm vorausgesehen hat, welche Patient:innen aktives oder verstecktes Vorhofflimmern aufwiesen, bietet das Potenzial für unzählige klinische Anwendungen“, erklärt Christine M. Albert vom Smidt Heart Institute, eine der Autorinnen der Studie. „Wenn wir in der Lage sind, Patient:innen mit verstecktem Vorhofflimmern zu finden, können wir sie behandeln, bevor bei ihnen ein schweres kardiovaskuläres Ereignis auftritt.“

Quelle

Yuan N et al. Deep learning evaluation of echocardiograms to identify occult atrial fibrillation. NPJ Digit Med 2024;7(1):96.

Tags: