Herzinfarktdiagnose durch KI: Infarktgröße in nur 20 Sekunden bestimmen
Eine neue KI-basierte Methode verbessert die Bestimmung der Größe von Herzinfarkten und reduziert die Auswertungszeit auf 20 Sekunden. Es bleibt abzuwarten, welche neuen Erkenntnisse diese Technologie für die Herzforschung ermöglichen wird.
Um die Größe eines Herzinfarkts in Laboruntersuchungen zu bestimmen, analysieren Forscher derzeit die Bilder von betroffenen Schweineherzen manuell in etwa 90 Minuten. Durch den Einsatz von künstlicher Intelligenz kann dieser Prozess jedoch auf rund 20 Sekunden verkürzt werden. Diese innovative Methode wurde von einem Forschungsteam der Medizinischen Fakultät der Universität Duisburg-Essen und des Universitätsklinikums Essen entwickelt.
Für die Infarktforschung ist es wichtig, die Größe eines Infarkts und das abgestorbene Herzgewebe genau zu bestimmen. Diese Informationen sind entscheidend, um neue, herzschützende Behandlungen zu entwickeln. Dazu wird das Herz eines verstorbenen Schweins nach einem Herzinfarkt entnommen, in Scheiben geschnitten und digital abgebildet. Bisher wurde diese Auswertung, wie bereits erwähnt, manuell durchgeführt und dauerte etwa 90 Minuten. Ein Forschungsteam der Medizinischen Fakultät der Universität Duisburg-Essen, unter der Leitung von Prof. Petra Kleinbongard und Prof. Gerd Heusch, hat nun zusammen mit Prof. Jakob Nikolas Kather von der TU Dresden eine neue KI-basierte Methode entwickelt.
Deep-Learning-Modell zur Bestimmung der Infarktgröße trainieren
In dieser Studie wurden 3.869 digitale Bilder von TTC-gefärbten Herzschnitten von Schweinen verwendet, um ein Deep-Learning-Modell zur Bestimmung der Infarktgröße zu trainieren. Die Forscher haben die Bilder zuvor bearbeitet, indem sie störende Hintergründe entfernt und das Format angepasst haben.
Zunächst wurde ein Teil der digitalen Bilder von Herzschnitten verwendet, um die Künstliche Intelligenz (KI) zu trainieren. Dabei wurden die Infarktbereiche, die nicht betroffenen Bereiche und andere wichtige Regionen auf den Bildern von Hand markiert. Mit einem speziell trainierten Deep-Learning-Modell auf Basis der U-Net-Architektur konnte die Auswertungszeit pro Experiment von 90 Minuten auf nur 20 Sekunden verkürzt werden.
„Die Ergebnisse, die das Modell uns in einem unabhängigen Datenset liefert, stimmen bis zu 98% mit unseren manuellen Messungen an Schweineherzen überein“, wird Prof. Petra Kleinbongard in einer Pressemitteilung zitiert. Diese neue Methode ist eine objektive und zuverlässige Alternative zur herkömmlichen Messung der Infarktgröße und kann auch in Forschungsprojekten eingesetzt werden. Die Technologie wurde bereits erfolgreich in verschiedenen Herzmodellen getestet und könnte die Forschung zur Herzschutztherapie deutlich voranbringen.
Ein Beitrag von: