- Die transformative Rolle der Künstlichen Intelligenz in der personalisierten Medizin
Mit über dreissigtausend Teilnehmern und über fünftausend Fakultätsmitgliedern und Referenten, einschliesslich nationaler kardiologischer Gesellschaften und Industriepartnern, fungiert dieser bedeutende Kongress als Katalysator für die Gestaltung der Zukunft der kardiovaskulären Medizin auf globaler Ebene. Neben der Bereitstellung neuester klinischer Updates, wie z.B. neuer Leitlinien für das Patientenmanagement in verschiedenen klinischen Bereichen, legte der Kongress auch grossen Wert auf die wachsende Rolle der Künstlichen Intelligenz (KI) in der Kardiologie. Zahlreiche Sitzungen und Präsentationen behandelten das Thema KI, von ihrer Anwendung in der Diagnostik und Risikostratifizierung bis hin zu Fortschritten in KI-gestützten Behandlungsstrategien. Der diesjährige ESC-Kongress unterstrich die nahtlose Integration von Technologie in die klinische Praxis und läutete eine neue Ära in der kardiovaskulären Versorgung ein. Tatsächlich wurden mehr als hundert wissenschaftliche Beiträge zur KI in der Kardiologie auf dem Kongress vorgestellt (1). Hier fassen wir eine Auswahl interessanter Studien aus unserer Sicht zusammen, um wertvolle Einblicke in die sich entwickelnde Rolle der KI in der kardiovaskulären Versorgung zu geben.
Ein Forschungsteam des University College London und des Karolinska Instituts nutzte Künstliche Intelligenz zur Analyse von kardialen Magnetresonanzbildern (MRT) von 45 789 Teilnehmern der UK Biobank, um genetische Faktoren zu untersuchen, die mit der Steifigkeit der Aorta in Zusammenhang stehen. Die Steifigkeit der Aorta ist als Risikofaktor für kardiovaskuläre Ereignisse bekannt, und diese Studie verwendete ein neues Mass für die Steifigkeit. Die Forscher identifizierten 17 genetische Varianten, die mit der Aortensteifigkeit verbunden sind, darunter vier neue Varianten in der Nähe von Genen, die mit koronarer Herzkrankheit und Myokardinfarkt assoziiert sind. Diese Erkenntnisse deuten darauf hin, dass bestimmte genetische Faktoren, die zur Aortensteifigkeit beitragen, möglicherweise auch mit kardiovaskulären Erkrankungen in Verbindung stehen und neue Einblicke in die potenziellen genetischen Mechanismen zu diesen Erkrankungen liefern (2).
Eine Forschergruppe aus der Schweiz und den USA, angeführt von Wissenschaftlern des Universitätsspitals Bern und der Harvard Medical School, entwickelte ein Deep-Learning-Modell zur Vorhersage des «Herzalters» anhand von Daten der UK Biobank. Die Studie zielte darauf ab, Personen mit höherem kardiovaskulärem Risiko zu identifizieren, auch wenn sie gesund erscheinen, indem das Herzalter sowohl anhand von MRT-Aufnahmen des Herzens als auch von EKG-Daten geschätzt wurde. Das Modell analysierte Daten von 45 000 Teilnehmern und erreichte eine hohe Genauigkeit, wobei das Herzalter mit einem mittleren Fehler von nur 2.5 Jahren vorhergesagt wurde. Die Studie ergab, dass die Form und Struktur des Herzens (basierend auf MRT) bessere Prädiktoren für das Herzalter waren als die elektrische Aktivität (basierend auf EKG). Die Forscher entdeckten auch genetische und nicht-genetische Faktoren, die mit beschleunigteb Herzaltern verbunden sind, wobei Herz-Kreislauf-Erkrankungen und psychische Gesundheit bedeutende Faktoren waren. Dieser Ansatz könnte dazu beitragen, Präventionsstrategien für Herz-Kreislauf-Erkrankungen zu personalisieren, indem das Altern des Herzens besser verstanden wird (3).
Eine Forschungsgruppe der Yale University entwickelte einen neuartigen Ansatz mit digitalen Zwillingen, um die Ergebnisse von randomisierten kontrollierten Studien (RCTs) auf unterschiedliche Patientengruppen zu übertragen. Anhand von Daten aus zwei grossen Studien, SPRINT und ACCORD, die unterschiedliche Ergebnisse hinsichtlich der Wirkung einer intensiven Blutdruckkontrolle zeigten, erstellten die Forscher einen digitalen «Zwilling» jeder Studie, der auf den Merkmalen der anderen Studienpopulation basiert. Auf diese Weise simulierten sie, wie die Ergebnisse einer Studie auf die andere Gruppe angewendet würden. Ihr Modell replizierte erfolgreich die nicht signifikanten Ergebnisse von ACCORD, wenn sie auf die SPRINT-Population angewendet wurden, und umgekehrt. Dieser innovative Ansatz könnte die Anwendung von RCT-Ergebnissen auf reale Patientengruppen verbessern (4).
Ein Forscherteam von ELEM Biotech in Spanien, dem University College London und der Washington University entwickelte eine Pipeline zur Erstellung personalisierter digitaler Herzmodelle, sogenannter «kardialer Zwillinge», mithilfe fortschrittlicher kardiovaskulärer MRT und elektrographischer Bildgebung (ECGI). Die Studie, die Teil des MyoFit46-Projekts war, umfasste 406 Teilnehmer der National Survey of Health and Development, die alle in derselben Woche im Jahr 1946 geboren wurden. Die digitalen Zwillinge sind detaillierte virtuelle Versionen des Herzens jedes Teilnehmers, die anatomische, funktionelle und elektrische Eigenschaften auf der Grundlage realer klinischer Daten beinhalten. Durch die Integration von CMR-Daten mit ECGI-Karten konnten die Forscher die Fehler bei der Vorhersage der Herzaktivierung und -repolarisation reduzieren. Diese digitalen Zwillinge bieten ein neues Werkzeug zur Bewertung des arrhythmischen Risikos und könnten in zukünftigen In-silico-Studien eingesetzt werden, um den Weg für eine personalisierte kardiovaskuläre Versorgung zu ebnen (5).
Unsere Gruppe «Künstliche Intelligenz in der kardiovaskulären Bildgebung» war auf dem ESC-Kongress 2024 stark vertreten, mit acht KI-orientierten Präsentationen. Eine bemerkenswerte Studie des Universitätsspitals Bern in der Schweiz entwickelte ein KI-Modell zur Vorhersage der langfristigen kardiovaskulären Mortalität bei Patienten nach der Transkatheter-Aortenklappenimplantation (TAVI). Mithilfe von Daten von fast 4000 Patienten über einen Zeitraum von 16 Jahren analysierte das Team multimodale Eingaben, einschliesslich klinischer Anamnese, Labortests, Bildgebung (CT-Scans, EKG, Echokardiogramme) und Verfahrensdetails. Fortgeschrittene KI-Algorithmen wurden verwendet, um den Zeitpunkt und die Wahrscheinlichkeit eines kardiovaskulären Todes bis zu 10 Jahre nach der TAVI vorherzusagen. Das KI-Modell übertraf traditionelle Methoden und zeigte eine überlegene Genauigkeit bei der Vorhersage von Ergebnissen. Dieser innovative Ansatz könnte es Klinikern ermöglichen, Hochrisikopatienten besser zu identifizieren und eine personalisierte Nachsorge nach TAVI zu steuern. Diese Studie wurde mit dem Young Investigator Award an Dr. Isaac Shiri in der Sitzung zur valvulären Herzkrankheit ausgezeichnet.
Zusammenfassend hat der ESC-Kongress 2024 die tiefgreifenden Auswirkungen der Künstlichen Intelligenz auf verschiedene Aspekte der kardiovaskulären Versorgung hervorgehoben, von der Vorhersage des Herzalters und der Aortensteifigkeit bis hin zur Personalisierung von Behandlungsplänen für komplexe Verfahren wie TAVI und den digitalen Zwillingen des Herzens. Diese Fortschritte zeigen das enorme Potenzial der KI, die diagnostische Genauigkeit zu verbessern, die Risikobewertung zu optimieren und personalisierte Behandlungsstrategien zu entwickeln.
Copyright Aerzteverlag medinfo AG
Inselspital, Universitätsspital Bern
Universitätsklinik für Kardiologie
Herz Gefäss Zentrum
Freiburgstrasse 20
3010 Bern
Die Autoren haben keine Interessenskonflikte im Zusammenhang mit diesem Artikel deklariert.
1. https://www.escardio.org/Congresses-Events/ESC-Congress
2. Paliwal N, Henry A, Finan C, Davies R, Hughes A, Williams B, Malarstig A, Lumbers RT, Hingorani AD. Genome-wide association study of CMR image-based aortic stiffness in 45,789 individuals identifies loci linked with cardiovascular diseases. Presented at: ESC Congress 2024; August 30 – September 2, 2024; London, UK.
3. Siontis G, Le Goallec A, Prost JB, Collin S, Diai S, Vincent T, Patel C. Multi-modality deep learning prediction of heart age: insights from UK-Biobank. Presented at: ESC Congress 2024; August 30 – September 2, 2024; London, UK.
4. Thangaraj P, Vasisht Shankar S, Oikonomou E, Khera R. A novel digital twin strategy to enable the translation of evidence from randomized control trials to new populations. Presented at: ESC Congress 2024; August 30 – September 2, 2024; London, UK.
5. Gonzalez-Martin P, Webber M, Chan F, De S, Topriceanu CC, Falconer D, Zingaro A, Pozo JM, Butakoff C, Rudy Y, Hughes AD, Orini M, Vazquez M, Aguado-Sierra J, Captur G. A pipeline for developing digital cardiac twins integrating cardiovascular magnetic resonance and electrocardiographic imaging: results from the MyoFit46 study. Presented at: ESC Congress 2024; August 30 – September 2, 2024; London, UK.
6. Shiri I, Tomii D, Nakase M, Balzer S, Windecker S, Pilgrim T, Grani C. Multi-modal artificial intelligence-based prediction for cardiovascular mortality after transcatheter aortic valve implantation: a time-to-event survival prediction. Presented at: ESC Congress 2024; August 30 – September 2, 2024; London, UK.
info@herz+gefäss
- Vol. 14
- Ausgabe 5
- November 2024