Diagnostik der PH mit Hilfe von KI?

pulmonaryhypertensionnews.com/news/algor...diography-uncertain/
Der Algorithmus kann bei der Diagnose einer PH helfen, wenn die Echokardiographie unsicher istZu viele ohne Krankheit, aber ohne Bestätigung, wurden zu invasiven Tests geschickt


 Ein auf künstlicher Intelligenz (KI) und maschinellem Lernen basierender Algorithmus könnte bei der Diagnose von  pulmonaler Hypertonie  (PH) helfen, wie eine neue Studie zeigt. Die Ergebnisse sind besonders wichtig für Menschen, bei denen der Verdacht auf PH besteht, deren Krankheit jedoch mithilfe der Echokardiographie, einer nichtinvasiven bildgebenden Methode zur Untersuchung der Herzstruktur und -funktion, unklar bleibt. Diese Personen, die möglicherweise keine PH haben, werden häufig zu weiteren Untersuchungen überwiesen, die invasive Tests erfordern.„Unser Modell könnte es Ärzten ermöglichen, eine genauere und reproduzierbarere echokardiographische Schätzung des normalen vs. erhöhten Lungendrucks mit größerer Effizienz vorzunehmen und
die Überweisung für invasive Tests zu reduzieren“, schreiben die Forscher in der Studie „  Machine Learning for Diagnosis of Pulmonary Hypertension by Echocardiography  “. veröffentlicht in Mayo Clinical Proceedings .


 Die nichtinvasive Echokardiographie gehört zu den ersten diagnostischen PH-Tests„Die Studie … ist aktuell, klinisch relevant und innovativ in der Anwendung maschinellen Lernens bei der Diagnose von pulmonaler Hypertonie“, schrieb Dr. Karl A. Nath, Chefredakteur der Zeitschrift, in den monatlichen  Highlights  . PH ist durch eine Verengung der Lungenarterien gekennzeichnet, der Blutgefäße, die Blut durch die Lunge transportieren, was zu hohem Blutdruck führt und das Herz schwerer arbeiten lässt. Die Diagnose einer PH  kann mehrere Tests erfordern, einschließlich einer Echokardiographie. Diese Technik schätzt den Lungenarteriendruck (PAP) durch Beurteilung der Trikuspidalklappe, die den Blutfluss vom rechten Vorhof des Herzens zur rechten Herzkammer steuert. Trikuspidalinsuffizienz ist häufig mit PH verbunden und tritt auf, wenn die Klappe nicht richtig schließt und das Blut zurückfließt.Wenn der Arteriendruck erhöht ist, wird die Diagnose durch eine invasive Technik namens Rechtsherzkatheterisierung (RHC) bestätigt, bei der ein flexibler Schlauch, ein Katheter, in die rechte Seite des Herzens und in die Lungenarterien eingeführt wird, um den PAP zu messen. Bei Personen mit normalem Echokardiographiebefund sind häufig keine weiteren Untersuchungen erforderlich. Bei mehr als einem Drittel der PH-Patienten könne der PAP jedoch nicht durch Echokardiographie bestimmt werden, sodass eine RHC erforderlich sei, stellten die Forscher fest.Eine Reihe kleiner Studien legen nahe, dass andere Messungen der Herzfunktion und Blutuntersuchungen mit PH in Zusammenhang stehen. Es gibt jedoch keine computergestützten Modelle, um das PH-Risiko „mit hoher Sensitivität“ zu bewerten, wenn keine Trikuspidalinsuffizienz verfügbar ist.Forscher der Mayo Clinic haben einen Vorhersagealgorithmus entwickelt, der auf KI und maschinellem Lernen basiert und Daten aus der Echokardiographie nutzt. Um den Algorithmus zu entwickeln, analysierten sie Daten von 7.853 Patienten (Durchschnittsalter 64, 56 % Männer), die sich zwischen Januar 2012 und Dezember 2019 einer Echokardiographie und Rechtsherzkatheterisierung an der Mayo Clinic in Minnesota unterzogen. Bei insgesamt 6.323 Patienten (81 %) wurde PH diagnostiziert, und zwar gemäß den 2018 auf dem  6. Weltsymposium für pulmonale Hypertonie  vorgeschlagenen Kriterien : ein mittlerer PAP von mehr als 20 Millimeter Quecksilbersäule (mm Hg).Auch die rechte und linke Herzkammer wiesen bei 68 % bzw. 32 % der Patienten eine abnormale Größe auf.Bei weiteren 2.007 Personen (26 %) konnte die Geschwindigkeit der Trikuspidalinsuffizienz jedoch nicht gemessen werden. Die Patientendaten wurden nach dem Zufallsprinzip in drei Gruppen eingeteilt: eine zum Trainieren des Algorithmus (5.024 Personen, 64 %), eine weitere zur Validierung (1.275 Patienten, 16 %) und die dritte zum Testen (1.554 Personen, 20 %).Das endgültige Modell wies 19 Merkmale auf, darunter Alter, Geschlecht, Body-Mass-Index (ein Maß für Körperfett), geschätzter PAP, Funktion der Trikuspidalklappe und Herzfrequenz.Die Forscher berechneten zunächst die Fläche unter der Receiver Operating Characteristic Curve (AUC). Dieses Maß gibt an, wie gut ein bestimmter Parameter zwischen zwei Gruppen unterscheiden kann (z. B. PH oder nicht). Die AUC-Werte liegen zwischen 0,5 und 1, wobei höhere Werte auf eine bessere Differenzierungsfähigkeit hinweisen.Basierend auf den Validierungsdaten hatte ein AUC-Schwellenwert von 0,65 oder höher eine Sensitivität von 90 % bei der korrekten Identifizierung von Erkrankten.Dieser Schwellenwert wurde dann ausgewählt, um die Leistung des Modells in den Testdatensätzen zu bewerten. Die Ergebnisse zeigten, dass das Modell eine hohe Unterscheidungsfähigkeit bei der Erkennung von PH mit einer Genauigkeit von 82 % und einer Sensitivität von 88 % aufwies.Das Modell hatte einen guten positiven Vorhersagewert, war jedoch bei Abwesenheit der Krankheit weniger wirksamDarüber hinaus betrug der positive Vorhersagewert des Modells 89 %, was sich auf den Prozentsatz der Patienten bezieht, die nach einem positiven Screening tatsächlich PH haben. Der negative Vorhersagewert betrug 54 %, was bedeutet, dass in 54 % der Fälle nach einem negativen Test tatsächlich kein PH vorlag.„Wir gehen davon aus, dass künftige Forschung, die Echokardiographie (abgeleitete Merkmale und Bildverarbeitungstechniken) mit elektrokardiographischer [EKG]-Analyse kombiniert, erforderlich sein könnte, um dem Ziel eines 90 % negativen Vorhersagewerts näher zu kommen. Die Bedeutung dieser Errungenschaft wird darin liegen, dass RHC zur Bestimmung des PH bei Patienten, die keinen PH haben, möglicherweise überflüssig wird“, schreiben die Forscher.Die fünf wichtigsten Merkmale, die die Leistung des Modells unterstützen, waren der geschätzte Druck im rechten Vorhof, Vorhofflimmern oder -flattern (ein unregelmäßiger oder schneller Schlag der Vorhöfe des Herzens), der Eindruck von der normalen Funktion des rechten Ventrikels, der Body-Mass-Index und die Herzfrequenz.Schließlich betrug die AUC in einer Gruppe von 412 Patienten (27 %), deren Trikuspidalinsuffizienz nicht gemessen werden konnte, 0,785„Eine KI-Bewertung echokardiographischer Daten erscheint vielversprechend für die Abschätzung des Vorliegens einer PH, selbst wenn die [Trikuspidalinsuffizienz-]Geschwindigkeit nicht gemessen werden kann“, kam das Team zu dem Schluss und stellte fest, dass größere Validierungsstudien erforderlich sind.Zu den Einschränkungen der Studie zählten die Forscher, dass fast 80 % der Teilnehmer einen mittleren PAP-Wert von mehr als 20 mm Hg hatten, „was ein Wert ist, der viel höher ist, als man bei einem allgemeineren Screening-Umfeld erwarten würde“ und möglicherweise zu Übertraining geführt hat oder „Überanpassung des Modells an die Daten.“Studienergebnisse „zeigen, dass die Anwendung von maschinellem Lernen auf das transthorakale Echokardiogramm die Erkennung von pulmonaler Hypertonie ermöglicht und zur Identifizierung von Patienten mit einer geringen Wahrscheinlichkeit einer pulmonalen Hypertonie verwendet werden kann“, schrieb Nath.