- Forscher nutzten KI, um Merkmale der Herzstruktur zu erkennen, die das Risiko für Herzversagen erhöhen.
- Das KI-Programm wurde mit den Daten von 15.000 Patienten mit Herzerkrankungen trainiert.
- Die KI hat sich als präziser als herkömmliche Methoden erwiesen.
Laut einer Studie könnte künstliche Intelligenz dabei helfen, Menschen mit einem Risiko für Herzversagen zu erkennen. Forscher der School of Medicine der University of Dundee haben künstliche Intelligenz eingesetzt, um die Diagnose und Kontrolle von Herzversagen in einem frühen Stadium zu verbessern.
Auch lesen: Europäischer Rechnungshof kritisiert EU für mangelnde Koordination von KI-Investitionen
Die Forscher wandten künstliche Intelligenz über maschinelle Lerntechniken bei der Analyse von echokardiographischen Bildern von Tausenden von Patienten an, um kleine Anzeichen von Herzproblemen zu erkennen, die zu Herzversagen führen. Dies könnte die diagnostische Wirksamkeit erheblich verbessern und Patienten in der Gesundheitsbranche zugutekommen.
Forscher nutzen KI, um Muster in der Herzform zu visualisieren
Um dies zu erreichen, nutzte das von Prof. Chim Lang angeführte Forschungsteam trial-basierte Deep-Learning-Ansätze der künstlichen Intelligenz, um echokardiographische Bilder zu lesen und zu analysieren, die aus bevölkerungsbezogenen elektronischen Gesundheitsakten und Herzscans gesammelt wurden. Dies ermöglichte es ihnen, Muster in der Herzform und -funktion zu visualisieren, die ein Patient einem höheren Risiko für die Entwicklung von Herzversagen aussetzen könnten.
Künstliche Intelligenz könnte zur Erkennung des Risikos eines Herzversagens verwendet werden, so eine Studie.https://t.co/TkUuruMLMs
— STV News (@STVNews) Mai 30, 2024
Die Forscher verwendeten Daten, die freiwillig von Patienten aus dem Scottish Health Research Register und Biobank (SHARE) bereitgestellt wurden. Sie wählten zunächst einen Datensatz mit 15.000 Patientenakten aus, aus dem die endgültige Stichprobe von 578 Patienten abgeleitet wurde.
KI-Herzscans sind präziser
Die Herzscans, die mit Hilfe der künstlichen Intelligenz durchgeführt wurden, lieferten relativ genauere Messungen als die herkömmlichen. Laut Professor Chim Lang, der die Studie anführte, bot die KI-Software mehr Merkmale der Herzstruktur und -funktion, die für die Diagnose von Herzversagen wichtig sind.
„Unsere Forschung stellt einen Fortschritt bei der Nutzung von Deep Learning zur automatischen Interpretation echokardiographischer Bilder dar. Dies kann uns ermöglichen, die Identifizierung von Patienten mit Herzversagen im großen Maßstab innerhalb von Datensätzen elektronischer Gesundheitsakte zu optimieren.“
Professor Lang
Die durch KI verbesserten echokardiographischen Bilder boten besser definierte Größen- und Funktionsmerkmale des Herzens als die durchschnittlichen Scans, die aus EHR-Datensatzumgebungen abgerufen wurden. Dieses Detailgrad, zusammen mit der Fähigkeit, Bilder in größerem Maßstab zu verarbeiten, könnte die Patientenauswahl in klinischen Studien beschleunigen oder bei der überwachenden Überwachung von Herzversagen in Gesundheitssystemen helfen.
Auch lesen: Opera integriert Googles Gemini-Modelle zur Verbesserung der Aria-Browser-KI
Herzversagen bleibt ein häufiges klinisches und öffentliches Gesundheitsproblem. Es ist ein Zustand, in dem das Herz nicht mehr ausreichend Blut in den Rest des Körpers pumpen kann. Es gibt keine Heilung für diese Erkrankung, aber Lebensstiländerungen, Operationen und Medikamente können helfen, die Symptome und den Fortschritt der Krankheit zu kontrollieren, die sich normalerweise mit der Zeit verschlimmert.
Unter Verwendung der Patientenakten nutzten die Forscher maschinelles Lernen, um strukturelle und funktionelle Anomalien zu identifizieren, die bei der alleinigen Analyse echokardiographischer Bilder schwer zu bemerken wären.
KI erkennt Anomalien, die mit herkömmlicher Analyse nicht nachverfolgt werden können
Professor Lang erklärte in einem Interview, dass die Studie ein großes Potenzial hat, das Leben der Patienten zu verbessern. Er erwähnte, dass das Team basierend auf der Bewertung von charakteristischen Patientenakten morphologische und mechanistische Anomalien erkennen konnte, die auf standardmäßigen zweidimensionalen echokardiographischen Bildern nicht sichtbar gewesen wären.
„Durch die Bewertung riesiger Mengen an Patientenakten konnten wir strukturelle und funktionelle Anomalien erkennen, die wir mit der herkömmlichen Analyse echokardiographischer Bilder nicht hätten erkennen können.“
Professor Lang
Die Studie, die in der ESC Heart Failure Journal veröffentlicht wurde, unterstreicht die Fähigkeit der KI, die Gesundheitsversorgung zu verändern, indem sie bei der frühen Diagnose dieser schwierigen Störungen hilft. Wie angegeben, eröffnet die Forschung mit Hilfe des Softwareentwicklers Us2 und der Finanzierung durch ROCH Diagnostics International den Weg für weitere Untersuchungen von KI-Anwendungen in der prädiktiven Diagnostik und personalisierten Behandlung.
Bericht von Cryptopolitan von Chris Murithi
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com Wir übernehmen keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor jeglichen Anlageentscheidungen eine unabhängige Recherche durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.
Chris Murithi
Chris ist Schriftsteller und technischer Analyst mit Schwerpunkt Krypto und Technologie. Er besitzt einen Abschluss in Mathematik und Informatik von der University of Nairobi. Er war als Content Writer bei On-Chain Media und Coin Edition tätig und arbeitet nun bei Cryptopolitan.
