polygonal abstract image of heart shape
Koordinatendarstellung der Herzkammern

Grafik: Dr. Axel Loewe, KIT

News • Maschinelles Lernen in der Kardiologie

Herzstolpern: KI lokalisiert Extrasystolen

Zusätzliche Herzschläge aus den Hauptkammern des Herzens, sogenannte ventrikuläre Extrasystolen, können mit ernsthaften Erkrankungen zusammenhängen. Forschende am Karlsruher Institut für Technologie (KIT) nutzen Maschinelles Lernen, um den Ursprungsort der Extrasystolen nichtinvasiv zu bestimmen. Dies könnte künftig die Diagnose und Therapie erleichtern und verbessern.

Dazu setzen sie künstliche neuronale Netze ein, die auf synthetischen Daten aus einem realistischen Simulationsmodell trainiert sind. Die Forschenden berichten in der Zeitschrift Artificial Intelligence in Medicine

Herz-Kreislauf-Erkrankungen sind weltweit für mehr als 17 Millionen Todesfälle im Jahr verantwortlich. Davon gelten rund 25% als plötzlicher Herztod. Dieser kann mit ventrikulären Tachykardien zusammenhängen, das heißt mit schnellen Herzrhythmusstörungen aus den Herzkammern, häufig ausgelöst durch ventrikuläre Extrasystolen. Diese zusätzlichen Herzschläge aus den Herzkammern fühlen sich wie Aussetzer oder Stolperer an. Der normale Herzschlag wird vom Sinusknoten im linken Herzvorhof gesteuert, die Extrasystolen dagegen werden von elektrischen Signalquellen an anderen Orten ausgelöst. Bis zu einer gewissen Zahl sind ventrikuläre Extrasystolen normal. Ventrikuläre Tachykardien können allerdings die Herztätigkeit beeinträchtigen und vor allem bei bereits bestehender Herzschwäche lebensbedrohlich sein.

Methoden des Maschinellen Lernens [ermöglichen es], den Ursprungsort der Extrasystolen nichtinvasiv und ohne tomografische Bildgebung zu bestimmen

Axel Loewe

Behandeln lassen sich ventrikuläre Tachykardien mit einer Katheterablation: Der Ursprungsort der Extrasystolen wird über einen Spezialkatheter durch Hochfrequenzstrom verödet. Dazu ist es erforderlich, zuvor den Ursprungsort genau zu lokalisieren. Verfahren, bei denen zur Lokalisation ein Katheter in die Herzkammer eingeführt wird, sind minimalinvasiv, aber mit einem hohen Zeitaufwand und gewissen Risiken verbunden. Eine Lokalisation anhand des Elektrokardiogramms (EKG) verlangt das vorherige Erfassen der patientenspezifischen Geometrie mithilfe tomografischer Bildgebung. „Hingegen ermöglichen Methoden des Maschinellen Lernens, den Ursprungsort der Extrasystolen nichtinvasiv und ohne tomografische Bildgebung zu bestimmen“, sagt Dr. Axel Loewe, Leiter der interdisziplinären Arbeitsgruppe „Computermodelle des Herzens“ am Institut für Biomedizinische Technik (IBT) des KIT. 

In der nun erschienenen Arbeit berichten Forschende vom IBT des KIT und vom Karlsruher Unternehmen EPIQure, wie sie Deep Learning einsetzen, um ventrikuläre Extrasystolen anhand von EKG-Signalen ohne patientenspezifische Geometrien zu lokalisieren. Die Wissenschaftler nutzen dazu faltende neuronale Netzwerke (convolutional neural networks, CNNs). Dabei handelt es sich um eine besondere Form künstlicher neuronaler Netze. CNNs setzen sich aus verschiedenen Schichten zusammen, die unterschiedliche Aufgaben übernehmen. Sie eignen sich für große Datenmengen und lassen sich vergleichsweise schnell trainieren. 

Die Forschenden aus Karlsruhe trainierten die CNNs ausschließlich auf synthetischen Daten, die sie aus einem realistischen Simulationsmodell gewonnen hatten. Nur so ließ sich ein Datensatz von 1,8 Millionen Extrasystolen-EKGs erzeugen. Abschließend evaluierten sie ihre Methode an klinischen Daten. In 82% aller klinischen Fälle wurde der Ursprungsort der Extrasystolen korrekt bestimmt. „Nach weiterer Optimierung anhand von klinischen Daten besitzt unsere Methode das Potenzial, medizinische Eingriffe zu beschleunigen, Risiken zu verringern und die Ergebnisse zu verbessern“, sagt Loewe. 


Quelle: Karlsruher Institut für Technologie

21.07.2023

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

News • Bildbasierte Krebsdiagnostik

KI erkennt genetische Veränderungen von Tumoren

Forscher der Uniklinik RWTH Aachen entwickelten in Zusammenarbeit mit dem Deutschen Krebsforschungszentrums (DKFZ), dem Deutschen Konsortium für Translationale Krebsforschung (DKTK) und dem…

Photo

News • Pulmonale Hypertonie

KI erkennt Herzfehler bei Neugeborenen

Forschende haben einen Algorithmus mit künstlicher Intelligenz entwickelt, der einen bestimmten Herzfehler bei Neugeborenen automatisch und zuverlässig erkennen kann.

Photo

News • Forschung zu Prognosemethode

Katheter-Ablation bei Vorhofflimmern: KI überwacht das EKG

Die Deutsche Herzstiftung fördert ein Forschungsprojekt, das den Erfolg einer Katheterablation bei Vorhofflimmern mittels KI-basierter EKG-Analyse genauer vorhersagen soll.

Verwandte Produkte

Newsletter abonnieren