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

CME-Highlight: EKG Intensivkurs

Anhand von 108 EKG-Fällen können Sie Ihre Kenntnisse zum EKG in diesem Kurs vertiefen und 12 CME-Punkte sammeln. Es gibt 3 Schwierigkeitsstufen, von Standard bis anspruchsvoll.

Corona, COVID-19 & Co.

Die Ausbreitung des Coronavirus hat einschneidende Folgen auch für die Herzmedizin. Aktuelle Meldungen zu SARS-CoV-2 bzw. zu der Lungenkrankheit COVID-19 finden Sie in diesem Dossier.

Aktuelles und Neues aus der Kardiologie

Ejektionsfraktion als Therapiekriterium bei Herzinsuffizienz: Da tut sich was!

Nicht jede Form der Herzinsuffizienz wird auf die gleiche Art behandelt. Maßgeblich dafür ist nicht zuletzt die Ejektionsfraktion. Als Therapiekriterium wird dieser Parameter der kardialen Pumpfunktion künftig wohl flexibler gehandhabt werden, prognostiziert ein deutscher Experte.

Katheterverfahren an immer mehr Herzklappen

Mit der TAVI begann die Erfolgsserie interventioneller Verfahren zur Behandlung von Herzklappenerkrankungen. Nun sind weitere Klappen in den Fokus gerückt. Und die ersten Daten können sich sehen lassen, wie ein Experte auf der DGK-Jahrestagung ausführte. 

Wie der Lockdown die kardiovaskuläre Versorgung beeinflusst

Weltweit scheinen während des COVID-19-bedingten Lockdowns weniger Herzinfarktpatienten Kliniken aufzusuchen und viele kommen erst in letzter Minute. Neue Daten aus Deutschland bestätigen diese Tendenz und liefern Hinweise auf mögliche Ursachen.

Aus der Kardiothek

59-jährige Patientin mit Dyspnoe – wie lautet Ihre Diagnose?

Elektrokardiogramm (Brustwandableitungen) einer 59-jährigen Patientin mit Dyspnoe. Die Herzfrequenz beträgt 122/min.  Was ist zu sehen?

80-jähriger Patient im CT – wie lautet Ihre Diagnose?

Kardiale Computertomografie bei einem 80-jährigen Patienten nach STEMI – was ist zu sehen?

62-Jähriger mit Schrittmacher – was ist im Röntgen zu sehen?

62-jähriger Patient mit Zustand nach 2-Kammer-Schrittmacher, aufgenommen bei respiratorischer Insuffizienz. Was ist auf den Röntgenbildern zu sehen?

EKG Training/© fotolia / Sergey Nivens
Corona/© Naeblys / Getty images / iStock
Elektrokardiogramm/© M. Marwan, Friedrich-Alexander-Universität Erlangen-Nürnberg
Kardiale Computertomografie/© S. Achenbach (Medizinische Klinik 2 des Universitätsklinikums Erlangen)
Röntgen-Thorax/© PD Dr. med. Katharina Schöne, MediClinHerzzentrum Coswig