KI verbessert die Prognose bei Herzerkrankungen

Zwei Studien aus der Schweiz zeigen, dass künstliche Intelligenz den Krankheitsverlauf bei zwei unterschiedlichen Herzerkrankungen präziser vorhersagen kann als etablierte Risikomodelle.

Nicht alle Patientinnen und Patienten mit einer Herzerkrankung benötigen die gleiche Nachsorge. Während manche nach einer Behandlung über Jahre stabil bleiben, verschlechtert sich die Erkrankung bei anderen trotz optimaler Versorgung. Eine möglichst zuverlässige Risikoeinschätzung hilft Ärztinnen und Ärzten daher, Kontrollen und Therapien gezielt zu planen und besonders gefährdete Betroffene frühzeitig zu betreuen.

Forschende der Universitätsklinik für Kardiologie am Inselspital zeigen nun in zwei internationalen Studien, dass KI den Krankheitsverlauf bei zwei unterschiedlichen Herzerkrankungen genauer vorhersagen kann als bisherige Risikomodelle. Die KI-Modelle verknüpfen zahlreiche klinische Informationen, die im Behandlungsalltag ohnehin erhoben werden, und erkennen daraus relevante Muster.

Die erste Studie untersuchte Patientinnen und Patienten mit einer hochgradigen Verengung der Aortenklappe, die mittels Transkatheter-Aortenklappenimplantation (TAVI) behandelt wurden. Das Prognosemodell kombinierte klinische Befunde, Laborwerte, Bildgebung und Angaben zum Eingriff. Grundlage waren die Daten von knapp 3.000 Personen aus Bern. Anschliessend wurde das Modell in einer unabhängigen Patientengruppe mit über 1.000 Personen aus Japan extern validiert. Die Genauigkeit der Langzeitprognose verbesserte sich gegenüber etablierten Risikoscores um rund 10 bis 15 Prozent.

Die zweite Studie befasste sich mit der Transthyretin-Amyloid-Kardiomyopathie, einer Form der Herzamyloidose. Das KI-Modell sollte das Risiko für Tod oder eine Hospitalisierung wegen Herzschwäche vorhersagen. Grundlage waren die Daten von 850 Patientinnen und Patienten aus mehreren spezialisierten Zentren in der Schweiz sowie der Medizinischen Universität Wien. In einer unabhängigen Testgruppe war das Modell genauer als die international etablierten Scores der Mayo Clinic und des NAC (National Amyloidosis Centre am University College London). Je nach Patientengruppe und Vergleichsmodell lag die Verbesserung der Vorhersagegenauigkeit bei mehreren Prozent bis hin zu knapp 20 Prozent.

«Zwei Menschen mit der gleichen Herzerkrankung haben oft ein sehr unterschiedliches Risiko für Komplikationen. Unsere Modelle helfen uns, diese Unterschiede zuverlässiger zu erkennen und Nachsorge sowie Behandlung gezielter auf die einzelne Patientin oder den einzelnen Patienten abzustimmen. KI unterstützt dabei die ärztliche Entscheidung, ersetzt sie aber nicht», sagt Christoph Gräni, Leitender Arzt an der Universitätsklinik für Kardiologie am Inselspital und Letztautor beider Studien.

Beide Modelle sind bereits als frei zugängliche Online-Tools für die wissenschaftliche Nutzung verfügbar. Bewähren sich die Modelle auch im klinischen Alltag, könnten sie künftig helfen, Nachsorge und Behandlung stärker am individuellen Risiko auszurichten. (tab)

Service: Zu den Online-Tools

Quelle: Insel-Gruppe