Bern: KI sagt Verlauf von Herzkrankheiten genauer voraus
Zwei Studien unter Leitung des Inselspitals Bern zeigen: Künstliche Intelligenz schätzt das Risiko bei Herzerkrankungen präziser als etablierte Modelle ein.
Manche bleiben nach einer Behandlung oder unter Therapie über Jahre stabil, während sich die Erkrankung bei anderen trotz optimaler medizinischer Versorgung verschlechtert. Für Ärztinnen und Ärzte ist deshalb eine möglichst zuverlässige Risikoeinschätzung entscheidend, um Nachkontrollen und Therapien gezielt zu planen.
Für Betroffene kann dies langfristig bedeuten, dass besonders gefährdete Patientinnen und Patienten früher intensiver betreut werden, während anderen unnötige Untersuchungen erspart bleiben.
Forschende der Universitätsklinik für Kardiologie am Inselspital zeigen nun in zwei internationalen Studien, dass sich der Krankheitsverlauf bei zwei sehr unterschiedlichen Herzerkrankungen mithilfe künstlicher Intelligenz präziser vorhersagen lässt als mit bisherigen Risikomodellen. Die KI-Modelle verknüpfen dabei zahlreiche klinische Informationen, die im Behandlungsalltag ohnehin erhoben werden, und erkennen daraus Muster, die eine genauere Prognose ermöglichen.
Bessere Vorhersagen nach einem Herzklappenersatz
Die erste Studie untersuchte Patientinnen und Patienten mit einer hochgradigen Verengung der Aortenklappe, die mittels Transkatheter-Aortenklappenimplantation (TAVI) behandelt wurden. Bei diesem minimalinvasiven Verfahren wird die erkrankte Herzklappe über einen Katheter ersetzt, ohne offene Herzoperation.
Für das Prognosemodell kombinierten die Forschenden klinische Untersuchungsbefunde, Laborwerte, Bildgebung und Angaben zum Eingriff. Grundlage waren die Daten von knapp 3000 Patientinnen und Patienten aus Bern. Anschliessend wurde das am Inselspital entwickelte Modell in einer unabhängigen Patientengruppe mit über 1000 Patientinnen und Patienten aus Japan extern validiert. Das KI-Modell verbesserte die Genauigkeit der Langzeitprognose gegenüber den heute etablierten Risikoscores um rund 10 bis 15 Prozent.
Gleichzeitig zeigte es nachvollziehbar auf, welche Faktoren die Vorhersage besonders beeinflussen.
Präzisere Prognosen bei Herzamyloidose
Die zweite Studie befasste sich mit der Transthyretin-Amyloid-Kardiomyopathie, einer Form der Herzamyloidose. Bei dieser Erkrankung lagern sich fehlgefaltete Eiweisse im Herzmuskel ab. Dies kann zu Herzschwäche, Herzrhythmusstörungen und einer verkürzten Lebenserwartung führen.
Die Forschenden entwickelten ein KI-basiertes Modell, das das Risiko für Tod oder eine Hospitalisation wegen Herzschwäche vorhersagt. 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 erwies sich das Modell als genauer als die international etablierten Mayo- und das NAC-score (National Amyloidosis Centre am University College London).
Was die Ergebnisse für Patientinnen und Patienten bedeuten
Obwohl sich die beiden Studien mit unterschiedlichen Herzerkrankungen befassen, kommen sie zum gleichen Schluss: KI kann Ärztinnen und Ärzte dabei unterstützen, Patientinnen und Patienten je nach persönlichem Risiko gezielter zu betreuen. Die Modelle liefern nachvollziehbare Vorhersagen und zeigen zugleich, welche Faktoren für die Risikoeinschätzung besonders wichtig sind.
«Zwei Menschen mit derselben 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 Prof. Dr. Dr. med. Christoph Gräni, Leitender Arzt an der Universitätsklinik für Kardiologie am Inselspital und Letztautor beider Studien.
«Diese Ergebnisse zeigen, wie viel Potenzial in der engen Zusammenarbeit von Medizin, Informatik und Datenwissenschaft steckt. Nur gemeinsam können wir KI entwickeln, die einen echten Nutzen für Patientinnen und Patienten schafft», sagt der Dr. Isaac Shiri, Leiter Forschungsgruppe AI in kardiovaskulärer Medizin.
Beide Modelle stehen bereits als frei zugängliche Online-Tools für die wissenschaftliche Nutzung zur Verfügung. Im nächsten Schritt sollen sie prospektiv und in weiteren Patientengruppen im klinischen Alltag getestet werden. Bewähren sich die Modelle auch im klinischen Alltag, könnten sie künftig helfen, Nachsorge und Behandlung stärker am individuellen Risiko auszurichten.
