Algorithmus kann Herzinfarkt erkennen

Bei dem Projekt des USZ handelt es sich um eine Kooperation mit der Eidgenössischen Technische Hochschule Zürich (ETH). Die Kombination aus Medizin- und Computerexperten wollte herausfinden, ob durch den Einsatz von KI die Unterscheidung zweier kardiovaskulärer Erkrankungen vereinfacht werden kann. Konkret ging es um das Broken-Heart-Syndrom Takotsubo im Unterschied zu einem akuten Herzinfarkt.
Bei der Takotsubo-Kardiomyopathie handelt es sich um eine Pumpfunktionsstörung des Herzens. Davon sind meist Frauen betroffen. Die häufigste Ursache ist emotionaler oder physischer Stress. In seiner akuten Phase ähnelt diese Erkrankung einem Herzinfarkt. Für die richtige Behandlung ist eine genaue Diagnose entscheidend. Allerdings fehlen bis heute klare Kriterien auf Basis einer Herz-Ultraschall-Untersuchung.
Um herauszufinden, ob eine KI mittels Deep Learning eine klare Diagnose liefern kann, um welche Herzerkrankung es sich handelt, wurde der Algorithmus mit Daten gefüttert. Anhand der Analyse von hunderten Patienten (50 Prozent mit Herzinfarkt, 50 Prozent mit Takotsubo-Syndrom) sollte die KI in den unstrukturierten Rohdaten lernen Muster zu erkennen, Bilder zuzuordnen und Unterscheidungen zu erkennen, die der menschlichen Aufmerksamkeit entgehen.
Zur Überprüfung, ob die KI in der Diagnose präzise arbeitet, setzten die Forscher nach dieser Lern-Phase 200 weitere Datensätzen ein, bei denen es galt, die Fälle mit den Herzerkrankungen herauszufiltern und zu benennen, um welche es sich handelt. Um die Genauigkeit vergleichen zu können, werteten vier erfahrene Kardiologen dieselben 200 Datensätze aus. Das Ergebnis: Die KI war den Kardiologen überlegen.
Dennoch ist der Einsatz von KI zur Erkennung von Herz-Erkrankungen im klinischen Alltag noch etwas entfernt. Wie die Forscher betonen, sind weitere Studien mit größeren Datensätzen sowie der Ausweitung auf weitere Krankheitsbilder notwendig. „Dennoch konnten wir mit dieser Studie das Potenzial von KI zeigen“, sagt Christian Templin, Kardiologe am USZ und Mitautor der Studie. „Stehen künftig größere Datensätze zur Verfügung, könnten die Vorhersagen mittels Deep Learning noch erheblich verbessert werden und weitere Einblicke in die Dynamik der normalen und krankhaften Herzfunktion gewähren.“ Der Bedarf nach effizienter Datenverarbeitung in der medizinischen Diagnostik sei angesichts stetig zunehmender Datenmengen aber in jeden Fall vorhanden, auch wenn der Einsatz von KI noch am Anfang steht.
Bei der Erkennung von Hautkrebs mittels KI konnten ebenfalls schon beeindruckende Ergebnisse erzielt werden, die es bereits zur Marktreife geschafft haben. Unter anderem ein von Forschern der Universität Heidelberg entwickelter Algorithmus schlug bereits vor drei Jahren erfahrene Hautärzte in der Analyse. Mittlerweile gibt es verschiedene Apps wie „SkinVision“ und „SkinScreener“ zur einfachen Beurteilung des Risikos von Hautkrebs. (dho)