KI-gestützter Algorithmus sagt die Ergebnisse von Herzarterieneingriffen präzise voraus

 Forscher der Michigan Medicine haben mithilfe künstlicher Intelligenz (KI) einen Algorithmus entwickelt, der Tod und Komplikationen nach einem lebenswichtigen Eingriff am Herzen, der perkutanen Koronarintervention (PCI), präzise vorhersagt. Dieses innovative Instrument hat das Potenzial, die Behandlung von Patienten mit verstopften Herzkranzgefäßen grundlegend zu verändern.

Die perkutane Koronarintervention (PCI) ist ein minimalinvasives Verfahren zur Behandlung verstopfter Arterien. Dabei wird ein Ballon aufgeblasen und in manchen Fällen ein Stent eingesetzt, um den Blutfluss vom Herzen zu verbessern. Obwohl die PCI weniger Risiken birgt als offene Operationen wie die Koronararterien-Bypass-Operation, sind auch hier mögliche Komplikationen wie Blutungen und Nierenschäden nicht auszuschließen.

Die größte Herausforderung besteht in der Beurteilung des individuellen Risikos einer perkutanen Koronarintervention (PCI). Jeder Patient ist anders, und Patienten wie Ärzte hatten oft Schwierigkeiten, das potenzielle Risiko dieses Eingriffs einzuschätzen. Hier setzt der neu entwickelte KI-gestützte Algorithmus an.

Präzise Risikoprognose für fundierte Entscheidungen

Der leitende Forscher David E. Hamilton, MD, Facharzt für Kardiologie und Intensivmedizin an der Michigan Medicine, betont die Bedeutung einer präzisen Risikoprognose im Kontext der perkutanen Koronarintervention (PCI). Er merkt an, dass dieses Instrument ein breites Spektrum an postoperativen Ergebnissen nach einer PCI erkennen kann und somit Ärzten und Patienten die entscheidenden Informationen liefert, die sie für fundierte Behandlungsentscheidungen benötigen.

Traditionell existieren Instrumente zur Risikostratifizierung für die perkutane Koronarintervention (PCI), doch viele davon weisen Ungenauigkeiten auf und beziehen Patienten nicht in den Entwicklungsprozess ein. Das Team von Michigan Medicine wollte dies ändern, indem es Daten von erwachsenen Patienten sammelte, die sich zwischen April 2018 und Ende 2021 einer PCI unterzogen hatten. Hierfür nutzte es das Register des Blue Cross Blue Shield of Michigan Cardiovascular Consortium (BMC2).

Die Forscher nutzten die fortschrittliche Machine-Learning-Software „XGBoost“, um über 20 präoperative Merkmale zu analysieren, darunter Alter, Blutdruck und Gesamtcholesterin. Dieser umfassende Ansatz ermöglichte die Entwicklung eines KI-gestützten Modells, das eine bemerkenswerte Genauigkeit bei der Vorhersage kritischer Ereignisse wie Tod, schwere Blutungen und die Notwendigkeit einer Bluttransfusion aufwies. Bemerkenswerterweise übertraf dieses KI-Modell seine Vorgänger, die auf ähnlichen präoperativen Merkmalen basierten.

Patientenzentrierter und individueller Ansatz

Was diesen KI-Algorithmus auszeichnet, ist sein patientenzentrierter Ansatz. Er berücksichtigt das Feedback des PCI-Patientenbeirats und geht so auf individuelle Bedürfnisse und Anliegen ein. Ziel ist es, Patienten und medizinischem Fachpersonal ein Instrument an die Hand zu geben, das die gemeinsame Entscheidungsfindung erleichtert und die Patientenaufklärung über die potenziellen Risiken einer perkutanen Koronarintervention (PCI) unterstützt.

Angesichts der weiten Verbreitung von Smartphones undtronPatientenakten besteht ein enormes Potenzial für die Integration dieses KI-gestützten Risikoprognose-Tools intronGesundheitssysteme. Dadurch wäre es direkt am Krankenbett leicht zugänglich und würde es den Behandlern ermöglichen, komplexe Informationen schnell zu vermitteln und gleichzeitig das Verständnis der Patienten für die mit einer perkutanen Koronarintervention (PCI) verbundenen Risiken zu verbessern.

Zugängliche KI-Technologie

Die vom Team von Michigan Medicine entwickelte innovative Technologie wurde in eine benutzerfreundliche Computer- und Smartphone-Anwendung umgewandelt, um einen breiten Zugang und einfache Bedienbarkeit zu gewährleisten. Diese Demokratisierung von KI-Tools verspricht bessere Behandlungsergebnisse und eine optimierte gemeinsame Entscheidungsfindung zwischen Patienten und Ärzten.

Die Unterstützung von Blue Cross, Blue Shield of Michigan und Blue Care Network im Rahmen des BCBSM Value Partnerships-Programms muss unbedingt anerkannt werden. Obwohl Blue Cross Blue Shield of Michigan und BMC2 bei dieser Studie eng zusammengearbeitet haben, spiegeln die geäußerten Meinungen des Autors nicht zwangsläufig die Ansichten von BCBSM oder deren Mitarbeitern wider.