20 Sekunden: KI revolutioniert Herzinfarktanalyse
Zur Bestimmung der Größe eines Herzinfarktes in Laborversuchen analysierten Forscher bisher manuell Bilder von betroffenen Schweineherzen, was rund 90 Minuten dauerte. Der Einsatz Künstlicher Intelligenz verkürzt diesen Prozess nun auf etwa 20 Sekunden. Entwickelt wurde diese Methode von einem Forschungsteam der Medizinischen Fakultät der Universität Duisburg-Essen und des Universitätsklinikums Essen.
In der Studie wurden insgesamt 3869 digitale Bilder von TTC-gefärbten Herzschnitten aus Schweinen verwendet, um ein Deep-Learning-Modell zur Infarktgrößenbestimmung zu trainieren und etablieren. Die Forschenden haben die Bilder digital vorverarbeitet, indem sie störende Hintergründe entfernt und das Bildformat angepasst haben.
Zunächst wurde an einem Teil der digitalen Herzschnitt-Bilder die Künstliche Intelligenz angelernt. Als Referenz für die Künstliche Intelligenzwurden von Hand die Infarktbereiche, die nicht-betroffenen Bereiche und andere relevante Regionen auf den Herzschnitt-Bildern eingezeichnet. Durch den Einsatz eines speziell trainierten Deep-Learning-Modells auf Basis der U-Net-Architektur konnte die Auswertungszeit pro Experiment von 90 Minuten auf nur 20 Sekunden reduziert werden. „Die Ergebnisse, die das Modell uns in einem unabhängigen Datenset liefert, stimmen bis zu 98% mit unseren manuellen Messungen an Schweineherzen überein“, erklärt Prof. Petra Kleinbongard. Damit stellt die neue Methode eine objektive und zuverlässige Alternative zur herkömmlichen Infarktgrößenmessung dar, die auch in Forschungsverbünden eingesetzt werden kann. Die Technologie wurde bereits erfolgreich in verschiedenen Herzmodellen getestet und könnte die Forschung zur Kardioprotektion erheblich voranbringen.
Original Paper:
Lesen Sie auch:
Herzinfarktdiagnostik: KI unterstützt Troponin-Schnelltest – MedLabPortal
Neuer Marker für Prognose nach Herzinfarkt entdeckt – MedLabPortal
Neue Biomarker: Ceramide sind vielversprechende Kandidaten – MedLabPortal
Die Beiträge im News-Bereich werden erstellt vom X-Press Journalistenbüro
Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet