Herzinfarkt oder Broken-Heart-Syndrom: Künstliche Intelligenz hilft bei der Analyse

Herzinfarkt: Mit KI Erkrankung erkennen

Das sogenannte „Broken-Heart-Syndrom“ (deutsch: Gebrochenes-Herz-Syndrom) ist eine plötzlich auftretende Herzmuskelerkrankung. Die Symptome dieser Krankheit ähneln denen bei einem Herzinfarkt. Künstliche Intelligenz (KI) kann bei der richtigen Diagnose helfen.

Die Symptome des akuten Herzinfarkts und des Broken-Heart-Syndroms Takotsubo sind zum Verwechseln ähnlich. Forschende des Universitätsspitals Zürich (USZ) konnten in einer internationalen Studie zeigen, dass Künstliche Intelligenz (KI) erfahrene Kardiologen bei der Analyse von Herz-Ultraschall-Daten übertreffen kann. Der Weg zum klinischen Einsatz ist aber noch weit. Die Studienergebnisse wurden in dem Fachjournal „Jama Cardiology“ veröffentlicht.

Ähnliche Symptome

Wie in einer Mitteilung des USZ erklärt wird, handelt es sich bei der Takotsubo-Kardiomyopathie um eine akute Pumpfunktionsstörung des Herzens, welche mehrheitlich Frauen betrifft und hauptsächlich nach emotionalen oder physischen Stressereignissen auftritt.

Die Krankheit ähnelt in der akuten Phase einem Herzinfarkt. Obwohl die Unterscheidung für die weitere adäquate Behandlung zentral ist, fehlen bis heute klare Kriterien auf Basis einer Herz-Ultraschall-Untersuchung.

Die Forscherinnen und Forscher gingen in diesem Kooperationsprojekt mit der Eidgenössischen Technischen Hochschule (ETH) Zürich der Frage nach, ob maschinelles Lernen bei der Unterscheidung der beiden kardiovaskulären Erkrankungen helfen könnte.

Als Basis für ihre Studie nutzten die Wissenschaftlerinnen und Wissenschaftler Daten aus dem internationalen Takotsubo-Register einerseits und dem Zürcher Register für Akute Koronare Herzkrankheiten anderseits.

Insgesamt flossen die Herz-Ultraschall Untersuchungen von 224 Patientinnen und Patienten mit einem akuten Myokardinfarkt sowie von 224 Patientinnen und Patienten mit einem Takotsubo-Syndrom ein.

KI war Kardiologen überlegen

Den Angaben zufolge wurde in einem ersten Schritt ein Deep-Learning-Modell entwickelt. Für das Training wurden die Daten von insgesamt 228 Patientinnen und Patienten verwendet.

Das Ziel bei solchen Verfahren ist es, dass diese „künstliche Intelligenz“ in den unstrukturierten Rohdaten Muster erkennt und sich diese Muster mit der Menge der Datensätze laufend präzisieren.

Auf diese Weise ist KI unter Umständen in der Lage, Bilder zuzuordnen oder Unterscheidungen vorzunehmen, die der menschlichen Aufmerksamkeit entgehen.

Im nächsten Schritt wurde der so entwickelte Algorithmus von den Forschenden für die Analyse der weiteren 200 Datensätze eingesetzt.

Um Genauigkeit und Treffsicherheit zu vergleichen, bewerteten vier erfahrene Kardiologen dieselben 200 Datensätze. Die Auswertung der Ergebnisse zeigte, dass die vollautomatische Analyse mittels KI den Kardiologen überlegen war.

Weitere Studien müssen folgen

Allerdings müssen noch weitere Studien folgen, bevor eine Nutzung im klinischen Alltag möglich ist. Nicht zuletzt deshalb, da in diesem Fall die zugrundeliegenden Daten auf zwei Krankheitsbilder und eine beschränkte Anzahl Datensätze limitiert waren.

„Dennoch konnten wir mit dieser Studie das Potenzial von KI zeigen“, erläutert Christian Templin, Kardiologe am USZ und Letztautor 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.“

Angesichts stetig zunehmender Datenmengen in der medizinischen Diagnostik steigt auch der Bedarf nach effizienter Verarbeitung und Analyse. Der Einsatz von künstlicher Intelligenz steht erst am Anfang. (ad)