Nachrichten 03.03.2021

Kann „Dr. KI“ die künftige Entwicklung von Vorhofflimmern vorhersagen?

Kann Künstliche Intelligenz (KI) dabei helfen, schon bei Personen mit normalem Sinusrhythmus für den Arzt nicht erkennbare Auffälligkeiten im EKG zu entdecken, die eine akkurate Voraussage von künftigem Vorhofflimmern ermöglichen? Die Autoren einer neuen Studie zeigen sich da optimistisch.

Auf großen Datenmengen basierende KI-Anwendungen wie maschinelles Lernen und Deep Learning finden auch in der Kardiologie immer größeres Interesse. Eine Einsatzmöglichkeit von Deep Learning, das durch Verarbeitung von Inputs mehrerer Ebenen künstlicher neuronaler Netze gekennzeichnet ist, könnte die individualisierte Risikoprädiktion sein, etwa bezüglich der künftige Entwicklung von Vorhofflimmern.

US-Forscher um Dr. Christopher M. Haggerty, Geisinger Medical Center in Danville, haben ein von ihnen trainiertes und validiertes, auf „Deep Neural Networks“ (DNN) basierendes KI-Modell jetzt in einer Studie darauf hin getestet, inwieweit sich damit anhand von kurzen 12-Kanal-EKG-Streifen bei Patienten ohne bekanntes Vorhofflimmern die Entwicklung einer entsprechenden atrialen Arrhythmie in den nächsten 12 Monaten voraussagen lässt.

Ergebnis: Bei 62% aller Patienten, die innerhalb von drei Jahren einen mit Vorhofflimmern assoziierten Schlaganfall erlitten hatten, war von diesem Modell ein hohes Risiko für neu auftretendes Vorhofflimmern vorausgesagt worden.

Algorithmus anhand von 380.000 EKGs trainiert

Die Gruppe um Haggerty hat für ihre Studie digitalisierte 12-Kanal-EKG-Streifen von 430.909 Patienten ohne bekanntes Vorhofflimmern in der Vorgeschichte genutzt. Die EKG-Aufzeichnungen waren zwischen 1984 und 2019 erfolgt. Anhand von 382.604 EKGs (Trainingsdatensatz) aus der Zeit vor 2010 wurde das DNN-Modell zunächst darauf trainiert, innerhalb von einem Jahr nach EKG-Aufzeichnung neu aufgetretenes Vorhofflimmern vorauszusagen.

Die Validierung erfolgte bei 181.969 Personen mit mindestens einem EKG (Testdatensatz). Diese EKGs stammten alle aus der Zeit zwischen 2010 und 2014 und waren mit einem Schlaganfall-Register verlinkt. In dieser Gruppe waren 3.497 Patienten (1,9%), die in der Zeit nach dem EKG einen Schlaganfall erlitten hatten. Unter diesen Schlaganfall-Patienten waren wiederum 375, bei denen die binnen drei Jahren nach dem EKG aufgetretenen ischämischen Schlaganfälle im Zusammenhang mit neu diagnostiziertem Vorhofflimmern standen. Diese Schlaganfälle wurden als potenziell vermeidbar angesehen.

Modell beweist prädiktive Fähigkeit

Das Modell war in der Lage, innerhalb des ersten Jahres nach dem EKG neu aufgetretenes Vorhofflimmern vorauszusagen. Das Qualitätsmaß für die prädiktive Performance des Modells bildete dabei die Fläche unter der ROC-Kurve (AUROC: area under the receiver operator curve), für die ein als gut geltender Wert von 0,85 ermittelt wurde. Der AUROC-Wert verbesserte sich noch leicht auf 0,87, wenn nur innerhalb der ersten 31 Tage nach dem EKG aufgetretenes Vorhofflimmern berücksichtigt wurde.

Die Wahrscheinlichkeit, dass Personen, bei denen der Algorithmus für das erste Jahr ein hohes Risiko vorausgesagt hatte, in den nächsten 30 Jahren tatsächlich Vorhofflimmern entwickelten, war um den Faktor 7 höher als bei Personen, bei denen ein niedriges Risiko prognostiziert worden war (Hazard Ratio: 7,2; 95% Konfidenzintervall: 6,9-7,6).

Das Modell sagte die Entwicklung von Vorhofflimmern im ersten Jahr nach dem Index-EKG mit einer Sensitivität von 69% und einer Spezifität von 81% voraus.  Bei den 375 Patienten, die innerhalb von drei Jahren von einem mit Vorhofflimmern assoziierten Schlaganfall betroffen waren, hatte der Algorithmus in 62% der Fälle das Risiko für neu auftretendes Vorhofflimmern als hoch eingeschätzt.

Nach Ansicht der Studienautoren sprechen diese Ergebnisse für die Möglichkeit, durch Implementierung des getesteten KI-Modells in eine erweiterte Screening-Strategie zur Früherkennung auf Vorhofflimmern eines Tages ischämische Schlaganfälle durch frühe präventive Maßnahmen noch besser verhindern zu können. Die nicht seltenen Fälle, dass Vorhofflimmern gleich als Schlaganfall erstmals symptomatisch wird, könnten so weiter reduziert werden. Bis zur Übernahme einer solchen Strategie in die kardiologische Routinepraxis dürfte es allerdings noch ein weiter Weg sein.

Unklar ist, was der Algorithmus eigentlich im EKG erkennt

Die Gruppe um Haggerty konzediert aber auch, dass ihr Ansatz ein „Black-Box-Modell“ sei:  Welche spezifischen Signale, Muster oder Merkmale das DNN-Modell in den EKG-Datensätzen erkennt und zur Basis seiner Risikoprädiktion macht, bleibt im Dunkeln. Es liefert somit ein Ergebnis, von dem man nicht weiß, wie es zustande gekommen ist.

Vorhofflimmern geht bekanntlich häufig mit strukturellen Veränderungen der Vorhöfe einher. Es sei deshalb möglich, dass das DNN-Modell strukturelle Manifestationen der atrialen Myopathie im EKG registriere und für die Risikoprädiktion nutze, spekulieren die Studienautoren.

Literatur

Sushravya Raghunath et. Al.: Raghunath S, Pfeifer JM, Ulloa-Cerna AE, et al. Deep neural networks can predict new-onset atrial fibrillation from the 12-lead electrocardiogram and help identify those at risk of AF-related stroke. Circulation. 2021;Epub ahead of print.Deep Neural Networks Can Predict New-Onset Atrial Fibrillation From the 12-Lead Electrocardiogram and Help Identify Those at Risk of AF-Related Stroke. Circulation 2021, online 17. Februar. https://doi.org/10.1161/CIRCULATIONAHA.120.047829

Highlights

DGK-Jahrestagung 2022

„Neue Räume für kardiovaskuläre Gesundheit“ – so lautete das diesjährige Motto der 88. Jahrestagung. In über 300 wissenschaftliche Sitzungen konnten sich die Teilnehmer und Teilnehmerinnen zu den Kernthemen der Kardiologie informieren. 

Kardiothek

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

Aktuelles und Neues aus der Kardiologie

Wie eine Fischgräte ins Perikard gelangen kann

Ein 37-jähriger Mann wird wegen Brustschmerzen und Dyspnoe ins Krankenhaus eingewiesen. Dort machen die Ärzte eine erstaunliche Entdeckung im Perikard, für die sie nur eine Erklärung haben.

Zyklus beeinflusst Herzrhythmus von Frauen mit Long-QT

Während eines Menstruationszyklus verändern sich die Hormon-Spiegel. Bei gesunden Frauen haben solche Schwankungen keinen bedeutsamen Einfluss auf den Herzrhythmus. Bei Frauen mit Long-QT-Syndrom neuesten Daten zufolge offenbar schon.

Wie fliegende Ärzte die Schlaganfall-Therapie optimieren können

Wie ein Zeitgewinn von 90 Minuten bei der endovaskulären Therapie von Patienten mit ischämischem Schlaganfall in einer ländlichen Region zu erreichen ist, zeigt ein Pilotprojekt in Bayern.

Aus der Kardiothek

ACC-Kongress 2022 im Rückblick: Die wichtigsten Studien für Sie kommentiert

Beim ACC-Kongress in Washington wurden zahlreiche Studien vorgestellt: zur Prävention, interventionellen Behandlung, Rhythmologie usw.. Experten vom Leipziger Herzzentrum haben die wichtigsten Ergebnisse für Sie zusammengefasst, und kommentieren deren Relevanz für Ihren Praxisalltag.

Patientin mit Durchblutungsstörung am Auge – was sehen Sie im Herzecho?

Bei einer Patientin mit chorioretinaler Durchblutungsstörung des linken Auges erfolgte eine transösophageale Echokardiographie mit biplanarer Darstellung im B-Bild und Farbdoppler. Was ist zu sehen?

Hätten Sie es erkannt?

Koronarangiographie der linken Koronararterie (LAO 0°, CAU 30 °) einer 80-jährigen Patienten mit NSTEMI und hochgradig eingeschränkter systolischer LV-Funktion.

DGK Jahrestagung 2022/© m:con/Ben van Skyhawk
Kardiothek/© kardiologie.org
Webinar zum ACC-Kongress 2022/© Kardiologie.org [M]
Kardio-Quiz April 2022/© Daniel Bittner, Friedrich-Alexander-Universität Erlangen
Kardio-Quiz März 2022/© L. Gaede, Friedrich-Alexander-Universität Erlangen-Nürnberg