Skip to main content
main-content

12.07.2017 | Diagnostik in der Kardiologie | Nachrichten

Künstliche Intelligenz

Algorithmus schlägt Kardiologen bei der EKG-Diagnostik

Autor:
Philipp Grätzel

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

Weiterführende Themen