Machine Learning erkennt Herz-Kreislauf-Erkrankungen
„Das Grundprinzip ist: Jegliche Erkrankung, welche die kardiovaskuläre Mechanik verändert, wird auch das extern angelegte elektrische Feld auf eine bestimmte Art verändern. Das gilt für Arteriosklerose, Aortendissektion, Aneurysmen, Herzklappenfehler usw.“, sagt Sascha Ranftl vom Institut für Theoretische Physik – Computational Physics der TU Graz.
Nutzen können die Forschenden hierfür normale elektrische, optische oder Bioimpedanzsignale – beispielsweise von einem EKG, PPG oder einer Smartwatch -, die sie mit einem selbst entwickelten Machine-Learning-Modell analysieren, das potenzielle Erkrankungen aus den Signalen herausliest. Gleichzeitig gibt das Modell an, wie hoch die Wahrscheinlichkeit ist, dass eine bestimmte Erkrankung wirklich vorhanden ist. Trainiert wurde das Machine-Learning-Modell mit realen klinischen Bioimpedanz-Daten und Werten aus Simulationen des Herzkreislaufsystems. Aufgrund der zahlreichen Parameter, die im kardiovaskulären System eine Rolle spielen, und der vielen Simulationen, die für ein statistisch signifikantes Ergebnis notwendig sind, macht es Machine Learning überhaupt erst möglich, Ergebnisse mit über 90-prozentiger Genauigkeit in einer annehmbaren Zeit zu erhalten. Der Vorteil der maschinellen Analyse liege außerdem darin, dass auch Veränderungen erkannt werden, die selbst geübte Ärztinnen und Ärzte “aus EKG-Daten mit bloßem Auge nicht ausmachen würden”.
So gelinge es mit dieser Methode beispielsweise, den Grad der Versteifung von Arterien festzustellen.
Wenn Arterien immer steifer werden, ist das üblicherweise eine Vorstufe von Aortendissektion und damit ein vorzeitiges Warnsignal. Ist so eine risikobehaftete Veränderung gefunden, lässt sich anhand der Diagnosedaten ein multiphysikalisches Simulationsmodell in Form eines digitalen Zwillings erstellen, das auch den weiteren Verlauf der Erkrankung prognostiziert.
Lesen Sie auch:
- DGKL: Bahnbrechende KI-Plattform für fortgeschrittene Mikroskop-Bildanalyse
- DGKL: Blutproben unter Strom geben Aufschluss über Antibiotikaresistenzen
- DGKL: Elektrische Impedanztomographie (EIT) vereinfacht das Screening von Medikamenten
Die Beiträge im News-Bereich werden erstellt vom
X-Press Journalistenbüro GbR
Schwimmbadstr. 29
37520 Osterode am Harz
Web: www.xpress-journalisten.com
E-Mail: redaktion(at)med-lab-portal.de
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.