Einer Studie zufolge könnte künstliche Intelligenz (KI) helfen, Menschen mit einem Risiko für Herzinsuffizienz zu erkennen. Forscher der Medizinischen Fakultät der Universität Dundee haben KI eingesetzt, um die Diagnose und Behandlung von Herzinsuffizienz im Frühstadium zu verbessern.
Lesen Sie auch: Europäischer Rechnungshof kritisiert EU wegen mangelnder Koordinierung von KI-Investitionen
Die Forscher nutzten künstliche Intelligenz mittels maschineller Lernverfahren zur Analyse von Echokardiographiebildern Tausender Patienten, um kleinste Anzeichen von Herzproblemen zu erkennen, die zu Herzinsuffizienz führen können. Dies könnte die diagnostische Genauigkeit erheblich verbessern und Patienten im Gesundheitswesen zugutekommen.
Forscher nutzen KI, um Muster in der Herzform sichtbar zu machen
Um dies zu erreichen, nutzte das Forschungsteam unter der Leitung von Prof. Chim Lang experimentelle Verfahren des Deep Learning mit künstlicher Intelligenz, um echokardiografische Bilder aus bevölkerungsbasiertentronGesundheitsakten und Herzuntersuchungen auszuwerten. Dadurch konnten sie Muster in Form und Funktion des Herzens visualisieren, die auf ein erhöhtes Risiko für die Entwicklung einer Herzinsuffizienz hinweisen können.
Künstliche Intelligenz könnte laut einer Studie zur Erkennung des Herzinsuffizienzrisikos eingesetzt werden. https://t.co/TkUuruMLMs
— STV News (@STVNews) 30. Mai 2024
Die Forscher nutzten Daten, die von Patienten freiwillig aus dem Scottish Health Research Register and Biobank (SHARE) zur Verfügung gestellt wurden. Sie wählten zunächst einen Datensatz von 15.000 Patientendatensätzen aus, aus dem die endgültige Stichprobe von 578 Patienten gewonnen wurde.
KI-Herzscans sind präziser
Die mithilfe künstlicher Intelligenz durchgeführten Herzscans lieferten im Vergleich zu herkömmlichen Verfahren deutlich präzisere Messwerte. Laut Professor Chim Lang, dem Leiter der Studie, bot die KI-Software mehr Informationen über die Herzstruktur und -funktion, die für die Diagnose von Herzinsuffizienz wichtig sind.
„Unsere Forschung stellt einen Fortschritt in der Nutzung von Deep Learning zurmaticInterpretation echokardiographischer Bilder dar. Dies ermöglicht es uns, diedentvon Patienten mit Herzinsuffizienz in großem Umfang innerhalbtronGesundheitsdatensätze zu optimieren.“
Professor Lang
Die KI-gestützten Echokardiographiebilder lieferten im Vergleich zu den durchschnittlichen Scans aus elektronischen PatientenaktendefiDarstellungen von Größe und Funktion des Herzens. Dieser Detailgrad, kombiniert mit der Möglichkeit der Bildverarbeitung in größerem Umfang, könnte die Patientenauswahl in klinischen Studien beschleunigen oder die Überwachung von Herzinsuffizienz im gesamten Gesundheitswesen unterstützen.
Lesen Sie auch: Opera integriert Googles Gemini-Modelle zur Verbesserung der KI des Aria-Browsers.
Herzinsuffizienz ist nach wie vor ein häufiges klinisches und gesundheitspolitisches Problem. Sie bezeichnet einen Zustand, in dem das Herz nicht mehr ausreichend Blut in den Körper pumpen kann. Es gibt keine Heilung für diese Erkrankung, aber Lebensstiländerungen, operative Eingriffe und Medikamente können helfen, die Symptome und das Fortschreiten der Krankheit, die in der Regel mit der Zeit zunimmt, zu kontrollieren.
Mithilfe der Patientendaten nutzten die Forscher maschinelles Lernen, um strukturelle und funktionelle Anomalien zudent, die bei einer alleinigen Analyse der echokardiographischen Bilder schwer zu erkennen wären.
KI erkennt Anomalien, die mit traditionellen Analysemethoden nicht Tracsind
In einem Interview erklärte Professor Lang, die Studie berge großes Potenzial zur Verbesserung der Lebensqualität von Patienten. Er erwähnte, dass das Team anhand der Auswertung charakteristischer Patientendaten morphologische und mechanistische Anomalien feststellen konnte, die auf standardmäßigen zweidimensionalen Echokardiographiebildern nicht sichtbar gewesen wären.
„Durch die Auswertung riesiger Mengen an Patientendaten konnten wir strukturelle und funktionelle Anomalien feststellen, die uns mit der herkömmlichen Analyse von Echokardiographiebildern nicht möglich gewesen wären.“
Professor Lang
Die im ESC Heart Failure Journal veröffentlichte Studie unterstreicht das Potenzial von KI, das Gesundheitswesen durch die Unterstützung der Früherkennung dieser komplexen Erkrankungen zu verändern. Wie bereits erwähnt, ebnet die Forschung, die mit Hilfe des Softwareentwicklers Us2 und der Förderung durch ROCH Diagnostics International durchgeführt wurde, den Weg für die weitere Erforschung von KI-Anwendungen in der prädiktiven Diagnostik und personalisierten Therapie.
Cryptopolitan Berichterstattung von Chris Murithi
