Nachrichten 12.07.2017

Algorithmus schlägt Kardiologen bei der EKG-Diagnostik

Moderne Maschinenlernalgorithmen schrauben die Qualität automatischer EKG-Auswertungen nach oben. An der Universität Stanford hat jetzt ein Algorithmus zwölf verschiedene Herzrhythmusstörungen anhand eines Ein-Kanal-EKGs zuverlässiger diagnostiziert als sechs erfahrene Kardiologen.

Das Maschinenlernen, im Englischen Deep Learning und umgangssprachlich oft und nicht ganz korrekt „künstliche Intelligenz“ (KI) genannt, macht in der medizinischen Diagnostik und der Risikoprädiktion zunehmend auf sich aufmerksam. Erst kürzlich konnten britische Experten zeigen, dass ein mit vielen tausend Patientendatensätzen gefüttertes, auf neuronalen Netzwerken basierendes Deep Learning-System das kardiovaskuläre Risiko präziser vorhersagt als ein gängiger Risiko-Score der American Heart Association.

Jetzt haben Computerexperten und Kardiologen der Universität Stanford einen Algorithmus entwickelt, der ein Ein-Kanal-EKG im Hinblick auf zwölf daran erkennbare Herzrhythmusstörungen – darunter Vorhofflimmern und -flattern, AV-Block Typ I und II und totaler Herzblock, Bigeminus, Trigeminus, ventrikuläre und supraventrikuläre Tachykardien und junktionaler Rhythmus – sowie Sinusrhythmus und Messfehler („Noise“) auswertet.

Sie berichten darüber auf dem Preprint-Server arXiv, einer Online-Datenbank, in der vor allem Physiker und Computerwissenschaftler Originalarbeiten zur Kommentierung einstellen, die noch keinen Peer Review durchlaufen haben.

Automatische EKG-Auswertungen an sich sind keine Neuheit. Die diagnostische Treffsicherheit der existierenden Programme ist aber begrenzt, und insbesondere bei der Differenzialdiagnostik von Arrhythmien stoßen konventionelle Programme sehr rasch an Grenzen.

Selbstlernender Algorithmus

Die Stanforder Lösung arbeitet deutlich feingranularer. Dies gelang, weil sie mit einem selbstlernenden Algorithmus arbeitet, der auf einem sehr komplexen neuronalen Netzwerk beruht. Das Netzwerk wurde mit insgesamt rund 64.000 Ein-Kanal-EKGs von knapp 30.000 Patienten trainiert. Die jeweils 30 Sekunden langen EKG-Streifen mussten dafür von geschulten Experten eigens annotiert werden.

Im Anschluss an dieses „Training“ wurde ein Test-Set von 336 EKGs für die Validierung benutzt. Die Validierung lief so ab, dass zunächst ein Gremium ausgewiesener Herzrhythmusexperten die 336 Test-EKGs gemeinsam befundete und sich im Konsensverfahren jeweils auf eine Diagnose festlegte. Dieser Expertenkonsensus war der Goldstandard. Danach wurden die 336 EKGs dann einerseits von dem trainierten Algorithmus analysiert, andererseits von sechs EKG-erfahrenen einzelnen Kardiologen befundet, die nichts mit dem Goldstandard-Expertengremium zu tun hatten.

Um es kurz zu machen: Das Computermodell schlug alle sechs einzelnen Kardiologen bei fast allen Rhythmusstörungen. Lediglich bei den ventrikulären Tachykardien waren die Kardiologen besser, beim junktionalen Rhythmus gab es ein Patt. Wurde die Performance über alle Rhythmusstörungen hinweg gemittelt, waren sowohl die Sensitivität als auch der positiv-prädiktive Wert beim Computermodell höher als beim Durchschnitt der sechs Kardiologen.

Literatur

Rajpurkar P et al. Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks. arXiv:1707.01836; https://arxiv.org/abs/1707.01836

Highlights

Kardiothek

Alle Videos der Kongressberichte, Interviews und Expertenvorträge zu kardiologischen Themen. 

Corona, COVID-19 & Co.

Aktuelle Meldungen zu SARS-CoV-2 bzw. zu der Lungenkrankheit COVID-19 finden Sie in diesem Dossier.

Aktuelles und Neues aus der Kardiologie

Bodenverschmutzung mit Herzerkrankungen assoziiert

Während Luftverschmutzung sich leichter beobachten und erforschen lässt, gibt es zu den gesundheitlichen Folgen von Bodenkontamination weniger Daten. Eine deutsche Übersichtsarbeit zeigt, wie Schadstoffe im Boden das Herz schädigen können.

So sicher und effektiv sind Sondenextraktionen in Deutschland

Die Entfernung von Schrittmacher- oder ICD-Elektroden kann eine große Herausforderung sein. Auskunft darüber, wie sicher und effektiv Eingriffe zur Sondenextraktion in Deutschland sind, geben Daten des nationalen GALLERY-Registers.

Sternotomie: Optimaler Start der kardiologischen Reha

Bedeutet ein früher Beginn des Rehabilitationstrainings nach einer Sternotomie ein Risiko für die Heilung oder eine schnellere Genesung, die Muskelabbau und Stürze verhindert? Eine kleine, randomisierte Studie liefert neue Daten dazu.

Aus der Kardiothek

Hätten Sie es erkannt?

Echokardiographischer Zufallsbefund. Was fällt auf?

Interventionelle Techniken bei Herzinsuffizienz: Bei wem, was und wann?

Für das Management von Herzinsuffizienz-Patienten stehen inzwischen auch interventionelle Techniken zur Verfügung, etwa ein intratrialer Shunt zur HFpEF-Therapie oder invasive Devices für die Fernüberwachung. Dr. Sebastian Winkler erklärt in diesem Video, wann der Einsatz solcher Techniken sinnvoll sein könnte, und was es dabei zu beachten gilt.

SGLT2-Hemmung bei Herzinsuffizienz: Mechanismen und pleiotrope Effekte

Inzwischen ist bekannt, dass SGLT2-Inhibitoren über die blutzuckersenkende Wirkung hinaus andere günstige Effekte auf das Herz und die Niere entfalten. Prof. Norbert Frey wirft einen kritischen Blick auf die Studienlage und erläutert daran, was über die Mechanismen der SGLT2-Hemmung tatsächlich bekannt ist.

Kardiothek/© kardiologie.org
Corona/© Naeblys / Getty images / iStock
Kardio-Quiz Juni 2022/© Stephan Achenbach, Friedrich-Alexander-Universität Erlangen
Vortrag vom BNK/© BNK | Kardiologie.org