KI-Algorithmus revolutioniert die Nachsorge bei Stent-Implantationen

MÜNCHEN (IT BOLTWISE) – Die medizinische Nachsorge nach Stent-Implantationen könnte bald durch den Einsatz eines neuen KI-Algorithmus revolutioniert werden. Forschende aus München haben ein Tool entwickelt, das die Heilung von Herz-Stents automatisiert überwacht und dabei die Präzision von Fachärzten erreicht.

Die Integration von Künstlicher Intelligenz in die medizinische Praxis schreitet weiter voran. Ein bemerkenswertes Beispiel ist der neue KI-Algorithmus, der von einem Forscherteam in München entwickelt wurde, um die Heilung von Herz-Stents zu überwachen. Jährlich erhalten weltweit über drei Millionen Patienten nach einem Herzinfarkt einen Stent, um verengte Blutgefäße zu öffnen. Die Heilung dieser Implantate ist jedoch komplex und kann zu Komplikationen führen, wenn das Gewebe unregelmäßig oder zu dick wächst.

Derzeit erfolgt die Überprüfung der Stent-Heilung mittels intravaskulärer optischer Kohärenztomographie (OCT)-Bilder, ein Verfahren, das zeitaufwendig ist und schwer in die klinische Routine zu integrieren. Hier setzt das KI-Tool DeepNeo an, das von Helmholtz München und dem TUM Klinikum entwickelt wurde. DeepNeo analysiert OCT-Bilder automatisch und liefert präzise Messdaten zur Gewebedicke und Stentabdeckung.

DeepNeo erreicht eine Genauigkeit, die der von Ärzten entspricht, jedoch in einem Bruchteil der Zeit. Dies ermöglicht eine standardisierte und äußerst präzise Analyse der Stent- und Gefäßheilung, die bisher nur durch aufwendige manuelle Auswertung möglich war. Laut Valentin Koch, dem Erstautor der Studie, könnte dies einen neuen Goldstandard für die Nachsorge bei Stent-Operationen darstellen.

Für das Training von DeepNeo wurden 1.148 OCT-Bilder aus 92 Patientenscans verwendet, die manuell annotiert wurden, um verschiedene Formen des Gewebewachstums zu klassifizieren. Der Algorithmus wurde anschließend in einem Tiermodell getestet und identifizierte krankhaftes Gewebe in 87 Prozent der Fälle korrekt, verglichen mit der detaillierten Laboranalyse, dem aktuellen Goldstandard.

Die Integration solcher KI-Algorithmen in die klinische Praxis könnte die Therapieentscheidungen schneller und fundierter machen, wie Dr. Carsten Marr vom Münchner Helmholtz-Institut betont. Prof. Julia Schnabel sieht in DeepNeo einen Baustein für ein KI-gestütztes Gesundheitssystem, das klinische Entscheidungen mit bislang unerreichter Sicherheit unterstützen könnte.

Die klinische Begleitung des Projekts durch Kardiologen am TUM Klinikum zeigt, dass DeepNeo nicht nur die Gesundheitskosten senken, sondern auch den Weg für effektivere und personalisierte kardiovaskuläre Therapien ebnen könnte. Das Patent für DeepNeo ist bereits angemeldet, und nun werden Industriepartner gesucht, um die Technologie weiter voranzutreiben.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!