Nachrichten 22.05.2019

Berechnet künstliche Intelligenz das Sterberisiko präziser als der Mensch?

Beim maschinellen Lernen generiert eine Maschine Wissen aus Erfahrung. Das gelang in einer neuen Studie erstaunlich gut. Ein Algorithmus berechnete das Herzinfarkt- und Sterberisiko von Patienten so genau, dass er Ärzte bei Behandlungsentscheidungen unterstützen könnte.

Ob bei der Google-Suche, Gesichtserkennung oder selbstfahrenden Autos – maschinelles Lernen, die Basis von künstlicher Intelligenz, wird bereits vielfach eingesetzt. In einer Studie, die bei der ICNC 2019 (Internationale Konferenz für Nukleare Kardiologie und Herz-CT) in Lissabon präsentiert wurde, lernte ein Algorithmus, wie Bilddaten interagieren. Er analysierte mehrfach 85 Variablen bei 950 Patienten mit bekannten Sechsjahresergebnissen. Im Anschluss identifizierte er Muster, die die Variablen mit mehr als 90-prozentiger Genauigkeit mit Endpunkten wie Tod und Herzinfarkt in Beziehung setzten. Dadurch waren deutlich präzisere Vorhersagen möglich als mit von Menschen verwendeten Formeln, die viel weniger Variablen berücksichtigen.

Analyse mehrerer Verfahren funktionierte am besten

Das Forscherteam um Studienautor Dr. Luis Eduardo Juarez-Orozco vom Turku PET Center in Finnland beobachtete 950 Brustschmerzpatienten über sechs Jahre. Zu Beginn hatten alle die gängige Untersuchung durchlaufen, um Erkrankungen der Koronargefäße festzustellen. Die Forscher berücksichtigten Daten aus der CT-Angiografie (CTA) bezüglich Koronarplaque und Gefäßverengung, Daten zum Blutfluss aus der Positronen-Emissions-Tomografie (PET) und klinische Variablen wie Geschlecht, Alter oder Risikofaktoren aus medizinischen Unterlagen. Die insgesamt 85 Variablen wurden in einen maschinellen Lernalgorithmus namens LogitBoost eingegeben, der sie so lange analysierte, bis er die beste Struktur fand, um vorherzusagen, wer einen Herzinfarkt hatte oder starb. Während der Nachbeobachtungszeit traten 24 Herzinfarkte und 49 Todesfälle auf.

Nach Ansicht der Autoren könnten die vom Algorithmus gefundenen Muster helfen, das individuelle Risiko von Patienten zu bewerten. Im Vergleich dazu funktionierte die Vorhersage durch zehn klinische Variablen, wie in der gängigen Praxis, deutlich schlechter. Eine entsprechende AUC-Berechnung (Area under the curve), bei der 1,0 ein perfektes und 0,5 ein zufälliges Ergebnis ist, ergab dafür einen Wert von 0,65. Kamen PET-Daten hinzu, stieg er auf 0,69. Die Vorhersageleistung von klinischen Daten plus PET-Daten und CTA-Daten war mit 0,82 signifikant besser.

Algorithmus könnte Risikoprädiktion unterstützen

Studienautor Juarez-Orozco ist zuversichtlich: „Ärzte sammeln bereits viele Informationen über Patienten, etwa Menschen mit Brustschmerzen. Wir haben festgestellt, dass maschinelles Lernen diese Daten integrieren und das individuelle Risiko genau vorhersagen kann. Dies sollte es uns ermöglichen, die Behandlung zu personalisieren und letztendlich zu besseren Ergebnissen für die Patienten führen“, sagte er in einer Pressemitteilung der ESC.

Literatur

Juarez Orozco L et al. Refining the long-term prognostic value of hybrid PET/CT through machine learning. ICNC, Lissabon. Young Investigator Award Abstracts, 12.5.2019, 9-10h.

ESC-Pressemitteilung: Machine learning overtakes humans in predicting death or heart attack. 12.5.2019.

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