Inhalt
newsletter Newsletter
DEEP MINDS Podcast
Podcast über Künstliche Intelligenz und Wissenschaft
Bewusstsein, Kognition und Künstliche Intelligenz | DEEP MINDS #10

Forschende der Universität Leeds haben gemeinsam mit zahlreichen Partnern ein KI-System entwickelt, das anhand von Augenscans das Herzinfarktrisiko innerhalb der nächsten zwölf Monate erkennen soll.

Grundlage der KI-Diagnose ist die Erkenntnis, dass Veränderungen an winzigen Blutgefäßen in der Netzhaut Indikatoren für Gefäßerkrankungen sein können. Das unter der Leitung der Universität Leeds entwickelte KI-System kann diese Veränderungen auf Netzhautscans erkennen und Personen identifizieren, die im Laufe eines Jahres einen Herzinfarkt erleiden könnten.

KI für die Prävention von Herzattacken

Die Genauigkeit des Prognosesystems liegt laut der Forschenden zwischen 70 und 80 Prozent. Es eigne sich daher gut als Empfehlungsmechanismus für eine eingehende kardiovaskuläre Untersuchung.

„Diese Technik eröffnet die Möglichkeit, das Screening von Herzkrankheiten zu revolutionieren. Netzhaut-Scans sind vergleichsweise billig und werden in vielen Augenarztpraxen routinemäßig eingesetzt. Durch ein automatisiertes Screening könnten Patienten mit einem hohen Erkrankungsrisiko an einen Herzspezialisten überwiesen werde“, sagt Professor Alex Frangi, der die Forschungsarbeit leitete.

Anzeige
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung

Mit dem System könnten laut Frangi auch „frühe Anzeichen von Herzkrankheiten“ erkannt werden. Frangi ist Inhaber des Diamond Jubilee Lehrstuhls für Computermedizin an der School of Computing der Universität Leeds und Turing Fellow am Alan Turing Institute.

Trainiert mit tausenden Patientendaten

Trainiert wurde die Diagnose-KI per Deep Learning mit den Netzhaut- und Herzaufnahmen von mehr als 5000 Personen. Durch das Training lernte die KI, Zusammenhänge zwischen der Beschaffenheit der Netzhaut und Veränderungen am Herzen festzustellen.

Nach dem Training konnte das System allein anhand von Netzhautbildern verlässlich die Größe und Pumpleistung der linken Herzkammer abschätzen. Eine vergrößerte Herzkammer kann auf ein höheres Risiko einer Herzerkrankung hinweisen. Für die Vorhersage einer möglichen Herzattacke innerhalb eines Jahres greifen die Forschenden zusätzlich auf demografische Daten, Alter und Geschlecht, zurück.

Da die Kosten für die Netzhaut-Diagnose deutlich unter gängigen Diagnosemethoden wie Echokardiographie oder Magnetresonanztomographie liegen, könnte das KI-System insbesondere in Ländern mit schwächeren Gesundheitssystemen Nutzen stiften. Auch in Ländern mit starker medizinischer Versorgung würde die Methode Zeit und Kosten sparen, heißt es in einer Mitteilung der Universität Leeds.

„Das KI-System ist ein hervorragendes Werkzeug, um die komplexen Muster zu entschlüsseln, die in der Natur existieren, und das ist es, was wir gefunden haben – das komplizierte Muster von Veränderungen in der Netzhaut, die mit Veränderungen im Herzen verbunden sind“, sagt Mitautor Sven Plein, Professor für kardiovaskuläre Bildgebung bei der British Heart Foundation an der Universität Leeds.

Empfehlung

Die Forschungsarbeit „Vorhersage von Infarkten anhand von Netzhautscans und minimaler persönlicher Informationen“ wurde im wissenschaftlichen Fachjournal Nature Machine Intelligence veröffentlicht.

Weiterlesen über KI in der Medizin:

Anzeige
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung
Online-Journalist Matthias ist Gründer und Herausgeber von THE DECODER. Er ist davon überzeugt, dass Künstliche Intelligenz die Beziehung zwischen Mensch und Computer grundlegend verändern wird.
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!