KI ermöglicht die schnelle Erkennung koronarer mikrovaskulärer Dysfunktionen anhand von Standard-EKGs

Laut einer aktuellen Studie könnten Ärzte bald in der Lage sein, mithilfe eines an der University of Michigan entwickelten KI-Modells innerhalb von Sekunden eine schwer fassbare Form von Herzerkrankungen zu diagnostizieren.

Die Forscher trainierten das Modell, um eine koronare mikrovaskuläre Dysfunktion zu erkennen, eine komplexe Erkrankung, für deren Diagnose fortschrittliche bildgebende Verfahren mithilfe eines herkömmlichen Elektrokardiogramms erforderlich sind.

Ihr Vorhersagetool übertraf frühere KI-Modelle bei nahezu jeder Diagnoseaufgabe deutlich, einschließlich der Vorhersage der myokardialen Flussreserve, dem Goldstandard für die Diagnose von CMVD.

Die Ergebnisse werden veröffentlicht in NEJM KIeine monatliche Zeitschrift der New England Journal of Medicine Familie.

Unser Modell bietet Klinikern die Möglichkeit, mithilfe eines 10-Sekunden-EKG-Streifens einen Zustand genau zu identifizieren, der bekanntermaßen schwer zu diagnostizieren ist – und bei Besuchen in der Notaufnahme oft übersehen wird.“

Venkatesh L. Murthy, MD, Ph.D., leitender Autor, stellvertretender Leiter der Kardiologie für translationale Forschung und Innovation am UM Health Frankel Cardiocular Center und Melvyn Rubenfire-Professor für präventive Kardiologie an der UM Medical School

Rund 14 Millionen Menschen gehen jedes Jahr wegen Brustschmerzen entweder in die Notaufnahme oder in eine Ambulanz.

Im Gegensatz zur koronaren Herzkrankheit, die aufgrund einer Verstopfung der großen Blutgefäße des Herzens auftritt, betrifft CMVD die kleineren Gefäße.

Es verursacht auch Schmerzen in der Brust und erhöht das Risiko eines Herzinfarkts. Für die Diagnose von CMVD sind jedoch fortschrittliche Methoden wie die PET-Bildgebung der Myokardperfusion erforderlich.

So funktioniert das KI-Modell

Diese hochwertigen Scans sind sowohl teuer als auch außerhalb von Spezialzentren nur selten zugänglich.

Die begrenzten verfügbaren Scans stellten Murthy und sein Forschungsteam vor eine Herausforderung, als sie nach Daten suchten, auf deren Grundlage sie ihr KI-Modell trainieren konnten.

Sie haben dieses Problem mit selbstüberwachtem Lernen oder SSL gelöst.

Sie begannen damit, ein Deep-Learning-Modell namens „Vision Transformer“ anhand von mehr als 800.000 unbeschrifteten EKG-Wellenformen vorab zu trainieren und es anhand eines kleineren, beschrifteten Datensatzes von PET-Scans zu verfeinern.

„Im Wesentlichen haben wir dem Modell beigebracht, die elektrische Sprache des Herzens ohne menschliche Aufsicht zu ‚verstehen‘“, sagte Murthy.

Nachdem die Forscher die Grundlagen erlernt hatten, brachten sie dem Modell bei, erweiterte PET-Daten mithilfe von 12 verschiedenen demografischen und klinischen Vorhersageaufgaben genau aufzuschlüsseln, darunter mehrere, die mit aktuellen EKG-KI-Modellen nicht möglich sind.

Dem Modell gelang es nicht nur, CMVD über verschiedene Datenbanken hinweg vorherzusagen, sondern es verbesserte auch durchgängig die diagnostische Genauigkeit von Vorhersageaufgaben für häufigere Herzerkrankungen im Vergleich zu früheren Modellen auf dem neuesten Stand der Technik.

Vier der Diagnoseaufgaben, die das Modell verwendet, umfassen häufig Elektrokardiogramme, die während Belastungstests erstellt werden.

Die Ergebnisse zeigten jedoch nur eine minimale Leistungssteigerung bei der Verwendung von Belastungs-EKGs im Vergleich zu Ruhe-EKGs.

Zukunft der Herz-KI

Mehrere Gruppen haben erfolgreich KI-Tools zur Interpretation von EKGs entwickelt, indem sie diese auf großen EKG-Datenbanken trainierten.

Diese Modelle werden jedoch für allgemeinere Aufgaben wie die automatische Interpretation des Herzrhythmus und die Erkennung einer linksventrikulären systolischen Dysfunktion verwendet.

Durch die Verwendung der weniger zugänglichen „Goldstandard“-Daten aus PET-MPI-Scans zum Trainieren seines Modells glaubt Murthys Team, dass es die Fähigkeit eines EKGs erweitern kann, eine schwieriger zu erkennende mikrovaskuläre Erkrankung wie CMVD vorherzusagen.

„Menschen, die wegen Brustschmerzen in die Notaufnahme kommen, leiden möglicherweise an CMVD, aber ihr Angiogramm wird als ‚klar‘ angezeigt“, sagte Co-Autor Sascha N. Goonewardena, MD, außerordentlicher Professor für Innere Medizin-Kardiologie an der UM Medical School.

„In Krankenhäusern mit begrenzten Ressourcen oder nicht spezialisierten Zentren wird die Verwendung unseres EKG-KI-Modells zur Vorhersage der myokardialen Flussreserve und CMVD eine einfache, kostengünstige und nicht-invasive Möglichkeit sein, festzustellen, wann ein Patient von erweiterten Tests für eine schwerwiegende Erkrankung profitieren würde.“

Quellen: