Deep Learning bedeutet in diesem Fall eine fortgeschrittene Form der künstlichen Intelligenz (KI), die darauf trainiert ist, Röntgenbilder nach krankheitsbedingten Mustern zu scannen. Und es hat funktioniert. „Unser Deep-Learning-Modell bietet eine potenzielle Lösung für ein populationsbasiertes Risikoscreening für Herz-Kreislauf-Erkrankungen unter Verwendung vorhandener Röntgenaufnahmen des Brustkorbs“, sagt Dr. Jakob Weiss, ein Bostoner Radiologe und Hauptautor einer neuen Studie. “Diese Art des Screenings könnte verwendet werden, um Personen zu identifizieren, die von Statin-Medikamenten profitieren würden, aber derzeit keine Behandlung erhalten.” Statine sind Medikamente, die verwendet werden, um Cholesterin oder Lipide zu senken. Die Jenaer Forscher haben den Wirkstoff so weiterentwickelt, dass er nur noch zweimal im Jahr gespritzt werden muss.
Aktuelle US-Richtlinien empfehlen, das 10-Jahres-Risiko schwerer Herz-Kreislauf-Erkrankungen zu bewerten, um festzustellen, wer ein Statin zur Primärprävention einnehmen sollte. Dieses Risiko wird mithilfe eines statistischen Modells berechnet, das eine Vielzahl von Variablen berücksichtigt, darunter Alter, Geschlecht, Blutdruck, Rauchen, Typ-2-Diabetes und Bluttests. Statine werden dann für Patienten mit einem 10-Jahres-Risiko von 7,5 Prozent oder mehr empfohlen.
Nur ein Bild statt vieler Variablen
Die erforderlichen Variablen sind jedoch nicht immer verfügbar. Es wäre viel besser, das Risiko mit der gleichen Genauigkeit aus einer leicht zugänglichen Quelle berechnen zu können: “Da Röntgenaufnahmen des Brustkorbs weit verbreitet sind, kann unser Ansatz helfen, Personen mit hohem Risiko zu identifizieren”, sagt Dr. Weiß
Mit einem Forscherteam trainierte er ein Deep-Learning-Modell mit 147.497 Röntgenaufnahmen des Brustkorbs von 40.643 Probanden. „Wir haben schon lange erkannt, dass die Röntgenbildgebung Informationen erfasst, die über herkömmliche diagnostische Befunde hinausgehen, aber wir haben diese Daten nicht verwendet, weil wir keine robusten und zuverlässigen Methoden hatten“, sagt Dr. Weiß “Fortschritte in der KI machen es jetzt möglich.”
Test mit Kontrollgruppe
Die Forschungsgruppe testete das Modell in einer zweiten, unabhängigen Kohorte von 11.430 ambulanten Patienten, die routinemäßig geröntgt wurden und für eine Statintherapie in Frage kamen. Von dieser Kontrollgruppe erlitten 1.096 (9,6 %) eine schwere Herzerkrankung während einer durchschnittlichen Nachbeobachtungszeit von 10,3 Jahren. Es bestand eine signifikante Korrelation zwischen dem vom Röntgenmodell vorhergesagten Risiko und den beobachteten Krankheiten.
Die Forscher verglichen auch den prognostischen Wert des Modells mit dem etablierten klinischen Standard für die Entscheidung, ob ein Statin verwendet werden sollte. Diese wurde bei 2401 Patienten (21 %) berechnet, bei denen Daten (z. B. Blutdruck, Cholesterin) in den elektronischen Aufzeichnungen fehlten. Bei dieser Untergruppe von Patienten verhielt sich das Risikomodell ähnlich wie der etablierte klinische Standard und lieferte sogar einen zusätzlichen Wert.
Validierung der Ergebnisse
„Das Schöne an diesem Ansatz ist, dass Sie nur eine Röntgenaufnahme benötigen, die weltweit millionenfach am Tag angefertigt wird“, sagte Dr. Weiß „Basierend auf einer einzigen vorhandenen Thorax-Röntgenaufnahme sagt unser Deep-Learning-Modell zukünftige größere kardiovaskuläre Ereignisse mit einer Leistung und einem Wert voraus, die dem etablierten klinischen Standard ähneln.“
Doch laut Dr. Weiss braucht mehr Forschung, einschließlich einer randomisierten kontrollierten Studie, um das Deep-Learning-Modell zu validieren, das letztendlich als Entscheidungshilfe für behandelnde Ärzte dienen könnte. „Wir haben gezeigt, dass eine Röntgenaufnahme des Brustkorbs mehr ist als nur eine Röntgenaufnahme des Brustkorbs“, sagte Dr. Weiß “Mit einem solchen Ansatz erhalten wir ein quantitatives Maß, mit dem wir sowohl diagnostische als auch prognostische Informationen liefern können, die dem Arzt und dem Patienten helfen.”