Wie KI den Herzinfarkt verhindert

Im Rahmen eines internationales Forschungsprojekts entwickelt ein Gemeinschaftsteam der Med Uni Graz und der Kages ein KI-basiertes Tool, das Atherosklerose frühzeitig erkennen kann.

Atherosklerose ist tückisch. Die Einlagerung von Plaques in die Gefäßinnenwände entwickelt sich schleichend. Sie bleibt lange unentdeckt und ist häufig Ursache von Schlaganfall und Herzinfarkt. Als typische Zivilisationskrankheit zählt Atherosklerose zu den Kerngebieten der medizinischen Forschung. Seit Februar ist ein Forscherteam rund um die Med Uni Graz und die KAGes im Einsatz, um mithilfe Künstlicher Intelligenz in elektronischen Patientenakten Risiken für eine solche Arterienverkalkung zu identifizieren – und rechtzeitig für Präventionsmaßnahmen zu sorgen.

Datamining vor der Haustür

„An sich gesunde und symptomfreie Personen haben oftmals keinen Zugang zu herkömmlichen Methoden der Risikovorhersage. Atherosklerose bleibt daher lange unbeachtet“, so Peter Rainer von der Klinischen Abteilung für Kardiologie der Med Uni Graz. Er hat gemeinsam mit den Data Scientists der KAGes ein Forschungsprojekt aufgesetzt, um die Risiko-Vorhersagetools mithilfe bestehender Gesundheitsdaten aus dem Spitalsbereich zu verbessern. Die Früherkennung von kardiovaskulären Erkrankungen soll mithilfe selbstlernender Technologie ständig vorangetrieben werden.

Diether Kramer leitet bei der KAGes den Bereich Data Science und ist mit seinem Team für die Datenauswahl, Datenanalysen und Entwicklung von Machine Learning-Modellen zuständig. Mit dabei ist auch Werner Ribitsch, Funktionsoberarzt an der Klinischen Abteilung für Nephrologie des Klinikums Graz. „Der Haupteinsatzzweck der Risiko-Vorhersagetools konzentriert sich auf eher fachfremde medizinische Abteilungen, in denen kardiovaskuläre Erkrankungen nicht unmittelbar am Radar sind“, erklärt Kramer und verweist auf die Beispiele der chirurgischen Abteilungen.

Um das Projekt auf internationalem Level voranzutreiben, kooperieren die Grazer mit der internationalen Forschungsinitiative „Predicting Cardiovascular Events Using Machine Learning“ (PRE-CARE ML). Das Konsortium besteht neben der Med Uni Graz und der KAGes auch aus Wissenschaftlern vom Karolinska Institutet in Stockholm, dem Hasso-Plattner-Institut in Potsdam, der Icahn School of Medicine at Mount Sinai, New York, sowie der Universität São Paulo, Brasilien, und der Universität Maribor, Slowenien. Ziel der Zusammenarbeit ist, bestehende Gesundheitsdaten so aufzubereiten und mithilfe der Algorithmen so auszuwerten, dass man bei stationären Patienten breitenwirksam Risikoprognosen treffen kann, wie Lead Data Scientist Diether Kramer erklärt.

Selbstlernend: Ein steirisches Forschungsprojekt entwickelt ein KI-basiertes Prognosetool für Herzinfarkt und Schlaganfall. Im September erfolgt der Start.

Die vom Data Science Team entwickelten Risiko-Vorhersagetools werden seit Jahresbeginn in einem Pilotprojekt im Landeskrankenhaus Murtal getestet und evaluiert. Es soll bis Ende Oktober abgeschlossen sein. Die Erkenntnisse daraus fließen dann in das im September startende internationale Pre-CARE ML Projekt. Im Vorfeld wurde die Künstliche Intelligenz mit Gesundheitsdaten der KAGes „trainiert“: Der Algorithmus untersuchte stichprobenartig Daten und Merkmale aus rund 200.000 stationär aufgenommenen Fällen der vergangenen zehn Jahre: „Wir wollen im Querschnitt alle beschreibenden Merkmale abbilden“, so Kramer. Die Geschlechter- und Altersverteilung wird wie im realen Leben in den Daten repräsentiert.

Der Algorithmus sucht dabei nach Spitalsaufenthalten der Patienten, die mit kardiovaskulären Erkrankungen wie Herzinfarkt und Schlaganfall, aber auch mit Niereninsuffizienz zusammenhängen. Die Künstliche Intelligenz kann anhand verschiedener Machine Learning-Modelle Wahrscheinlichkeiten und Risiken für kardiovaskuläre Erkrankungen berechnen. Das Risiko-Vorhersagetool wird nun bei stationären Patienten im Landeskrankenhaus Murtal erprobt. Ein Ampelsymbol in der elektronischen Patientenakte zeigt das von der Künstlichen Intelligenz berechnete Risiko einer Atherosklerose an. „Ein Klick reicht und der entlassende Spitalsarzt weiß, welches Risiko der Patient hat, künftig einen Schlaganfall oder Herzinfarkt zu erleiden“, sagt Diether Kramer. So könnte auch in weiterer Folge der Hausarzt mit dem Patienten weitere Präventionsmaßnahmen in Richtung Ernährung oder Bewegung besprechen. Die Künstliche Intelligenz liefert auf Wunsch auch einen Textbaustein für den Arztbrief, in dem auf das Risiko und die weiteren möglichen Schritte eingegangen wird. Es obliegt dem behandelnden Arzt im Krankenhaus, diese Information an den Patienten weiterzugeben. Mensch und Maschine sollen dabei im Interesse des Patienten zusammenarbeiten, betont Kramer: „Unser Vorhersagetool soll eine Hilfestellung bei Bedarf bieten, die Verantwortung liegt aber beim entlassenden Arzt. Manchmal ist es – etwa bei schwer erkrankten onkologischen Patienten – kontraproduktiv, sie über ein Herz­infarktrisiko zu informieren.“

Datenschutz und Forschung

Alle Patientendaten, die in die Entwicklung des Machine Learning Modells eingeflossen sind und noch einfließen werden, sind anonymisiert. Merkmale und Daten, die auf konkrete Personen zurückführen könnten, werden dabei ausgeklammert: So verzichten die Projektleiter auf die Verarbeitung konkreter Laborwerte. „Wir beobachten nur, ob sie zu niedrig, passend oder zu hoch sind“, so Kramer. Auch Patientendaten mit seltenen Diagnosen werden aussortiert – denn sie könnten identifizierbar sein. Datenschutz ist für die Forscher ein zentrales Anliegen, das im gesamten Projekt gewahrt bleibt. „Die Daten sind anonymisiert aufbereitet und werden auch nur so ausgehändigt“, will Kramer Bedenken zerstreuen.

Daten sind heute wichtiger Bestandteil der Forschung. „Ich finde es wünschenswert, dass auch forschende Unternehmen Zugang zu den Daten des Austria Micro Data Centers erhalten“, so Kramer (siehe Kasten unten).

Datenschürfer: Das Grazer Projektteam vlnr.: Diether Kramer, Werner Ribitsch, Stefanie Jauk (Data Scientist) und Peter Rainer

Die bisherigen am Standort Murtal getesteten Risiko-Vorhersagetools sollen gemeinsam mit den internationalen Forschungspartnern weiterentwickelt und in den unterschiedlichen Spitalsabteilungen der teilnehmenden Länder getestet werden. Derzeit werden die Datensätze in den kooperierenden Abteilungen vorbereitet. „Das ist eine Herausforderung, denn wir benötigen repräsentative Datensätze für die jeweiligen Spitäler“, erklärt der Datenexperte der Kages. Hier müsse man statistisch richtig ansetzen. Der offizielle Kick-off für das internationale Projekt findet im September in Graz statt. Die Projektlaufzeit beträgt 36 Monate, das gesamte Projektvolumen liegt bei 924.000 Euro.

Im ersten Jahr des Forschungsprojekts soll es darum gehen, das Modell mit den Gesundheitsdaten der Partner zu füttern und mithilfe der KI-Technologie zu trainieren. „Nach eineinhalb Jahren sollen die ersten Pilotstationen in den Partnerländern eingerichtet werden“, so Diether Kramer. Die Vorhersagetools sollen bei allen Partnern implementiert und evaluiert werden. In weiterer Folge soll es auch Trainings für die Ärzte geben, um die Vorhersagetools patientenorientiert anzuwenden.