Nachrichten 24.07.2019

Künstliche Intelligenz: Maschinelles Lernen soll Risikostratifizierung vor TAVI verbessern

Beim Maschinellen Lernen generiert ein Computerprogramm selbstständig Wissen aus Erfahrung, indem es Beispiele analysiert. Diese Art von Künstlicher Intelligenz liefert inzwischen auch präzise Vorhersagen bezüglich des Sterberisikos von TAVI-Patienten, ergab eine neue Studie. Doch reicht das schon für den Einsatz in der klinischen Praxis?

In einer neuen Analyse aus den USA untersuchten Forscher, inwieweit Maschinelles Lernen dabei helfen könnte, zu berechnen, wie hoch das Risiko für Patienten nach einer Transkatheter-Aortenklappenimplantation (TAVI) ist, im Krankenhaus zu sterben. Vier Modelle, die durch Maschinelles Lernen entwickelt wurden, zeigten gute Ergebnisse. Am besten funktionierte das Modell basierend auf Logistischer Regression.

Genauere Prognose durch Künstliche Intelligenz?

Die Studienautoren um Dr. Dagmar Hernandez-Suarez von der Universität Puerto Rico sehen in solchen Modellen nicht nur Potential für die Risikostratifizierung nach TAVI, sondern bei allen interventionellen Eingriffen bei strukturellen Herzerkrankungen. In ihrer Publikation plädieren sie dafür, Maschinelles Lernen im Klinikalltag weiter auszuwerten, um genauer zu verstehen, wie es Patienten mit schwerer Aortenstenose unterstützen kann. Sie erhoffen sich, Patienten und Angehörigen dadurch genauer sagen zu können, wie hoch die Überlebenschance im Falle von Komplikationen ist.

Die Forscher nutzten für das Maschinelle Lernen Daten aus der amerikanischen National Inpatient Sample Datenbank. Mehr als 10.000 Patienten, die zwischen 2012 und 2015 eine TAVI erhielten, waren Teil der Studie. Das Durchschnittsalter lag bei 81 Jahren, 48% waren Frauen. 3,6% der Patienten starben vor der Entlassung.

Alle Modelle zeigten gute Ergebnisse

Die Grundlagen der vier verschiedenen Modelle des Maschinenlernens waren: Logistische Regression, ein künstliches neuronales Netzwerk, Naive Bayes-Klassifikatoren und Random Forest Algorithmen, die auf Entscheidungsbäumen basieren. Die Forscher berichteten, dass alle vier gut funktionierten, gemessen an der Fläche unter der Kurve (AUC). Die beste Leistung zeigte das auf Logistischer Regression basierende Modell (0,92 AUC), gefolgt von den Naiven Bayes-Klassifikatoren (0,90 AUC) und den Random Forest Algorithmen (0,90 AUC). Schlusslicht war das künstliche neuronale Netzwerk (0,85 AUC).

Die in allen Modellen am stärksten berücksichtigten Faktoren waren folgende, in der Reihenfolge ihrer Gewichtung: Akute Nierenschäden, kardiogener Schock, Flüssigkeits- und Elektrolytstörungen, Herzstillstand, Sepsis, Hyperlipidämie, Bluthochdruck, Koagulopathie, Rauchen und Gefäßkomplikationen.

Nach Ansicht von Hernandez-Suarez könnte das logistische Regressionsmodell, das die besten Ergebnisse lieferte, Ärzte beim Einschätzen der Prognose von TAVI-Patienten unterstützen. Es sei jedoch notwendig, zunächst weitere Studien mit anderen Kohorten durchzuführen.

Literatur

Hernandez-Suarez D et al. Machine Learning Prediction Models for In-Hospital Mortality After Transcatheter Aortic Valve Replacement. Journal of the American College of Cardiology: Cardiovascular Interventions 2019. https://doi.org/10.1016/j.jcin.2019.06.013

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

Chemotherapie-bedingte Herzschäden: SGLT2-Hemmer könnten helfen

Etablierte Therapien zur Prävention Anthrazyklin-bedingter Herzschäden gibt es bisher nicht. Eine Studie bringt jetzt einen neuen Therapiekandidaten ins Spiel.

Vorhofflimmern: Hohe Komorbidität spricht für rhythmuserhaltende Therapie

Als Zielgruppe für rhythmuserhaltende Maßnahmen wurden im Praxisalltag bislang relativ junge und gesunde Menschen mit Vorhofflimmern favorisiert. Neue Studiendaten legen nun aber nahe, dafür vorrangig kränkere Patienten mit kardiovaskulären Begleiterkrankungen in Betracht zu ziehen.

Endokarditis-Prophylaxe bei Hochrisikopatienten offenbar gerechtfertigt

Vor zahnmedizinischen Eingriffen sollten Patientinnen und Patienten mit einem hohen Endokarditis-Risiko eine Antibiotika-Prophylaxe erhalten, das empfehlen die Leitlinien. Eine aktuelle Studie liefert nun Evidenz für diese Empfehlung, und deckt „inakzeptable“ Versorgungslücken auf.

Aus der Kardiothek

Hätten Sie es erkannt?

Dopplersignal in der Aorta descendens bei einem Patienten mit Endokarditis. Was fällt auf?

Herzinsuffizienz: Optimal-Medikamentöse-Therapie (OMT), und ... was noch?

Medikamente sind die Eckpfeiler einer adäquaten Herzinsuffizienztherapie. Darüber hinaus gibt es zusätzliche Optionen, die für manche Patienten eine Lösung darstellen können. Anhand von Fallbeispielen erläutert Dr. med. Andreas Rieth welche das sind.

Digitale Kardiologie anno 2022 – von Zukunftsvisionen bis sinnvollem Einsatz im Alltag

Die digitale Kardiologie ist nicht nur ein Trend, sie eröffnet eine realistische Chance, die Versorgung von Patientinnen und Patienten zu verbessern. Dr. med. Philipp Breitbart gibt Tipps für den Einsatz solcher Devices im Alltag.

Kardiothek/© kardiologie.org
Corona/© Naeblys / Getty images / iStock
Kardio-Quiz August 2022/© Fabian Ammon, Friedrich-Alexander-Universität Erlangen
kardiologie @ home/© BNK | Kardiologie.org