KI-Algorithmen sollen Ergebnisse von Herzkranzgefäß-Eingriffen präzise voraussagen

MICHIGAN / MÜNCHEN (IT BOLTWISE) – Forscher der Michigan Medicine haben Künstliche Intelligenz (KI) genutzt, um einen Algorithmus zu entwickeln, der Todesfälle und Komplikationen nach einem entscheidenden Herzeingriff, der perkutanen Koronarintervention (PCI), präzise vorhersagt. Dieses innovative Werkzeug könnte die Art und Weise revolutionieren, wie Ärzte die Behandlung von Personen mit verstopften Herzarterien bestimmen.

Bei der perkutanen Koronarintervention, kurz PCI, handelt es sich um ein minimalinvasives Verfahren, bei dem verstopfte Arterien durch das Aufblasen eines Ballons und in manchen Fällen das Einsetzen eines Stents zur Verbesserung des Blutflusses aus dem Herzen behandelt werden. Obwohl dieses Verfahren weniger Risiken birgt als eine offene Operation, wie etwa der koronare Bypass, ist es dennoch nicht frei von möglichen Komplikationen, einschließlich Blutungen und Nierenschäden.

Die wesentliche Herausforderung besteht darin, das individuelle Risiko einer PCI abzuschätzen. Jeder Patient ist einzigartig, und sowohl Patienten als auch Ärzte hatten oft Schwierigkeiten, das potenzielle Schadensrisiko dieses Eingriffs einzuschätzen. Genau hier kommt der neu entwickelte KI-gesteuerte Algorithmus ins Spiel.

Präzise Risikovorhersage für fundierte Entscheidungsfindung
Der leitende Forscher David E. Hamilton, M.D., ein Kardiologie-Intensivmediziner an der Michigan Medicine, betont die Bedeutung einer präzisen Risikovorhersage im Kontext der PCI. Er weist darauf hin, dass dieses Werkzeug eine breite Palette von Ergebnissen nach einer PCI erkennen kann und medizinischem Personal sowie Patienten wichtige Informationen für fundierte Behandlungsentscheidungen liefert.

Traditionelle Risikostratifizierungswerkzeuge für PCI existierten zwar, doch viele davon waren in ihrer Genauigkeit eingeschränkt und bezogen Patienten nicht in den Entwicklungsprozess ein. Das Team der Michigan Medicine wollte dies ändern und sammelte Daten von erwachsenen Patienten, die zwischen April 2018 und Ende 2021 eine PCI durchlaufen hatten, unter Verwendung des Blue Cross Blue Shield of Michigan Cardiovascular Consortium (BMC2)-Registers.

Die Forscher verwendeten die fortschrittliche Machine-Learning-Software „XGBoost“, um mehr als 20 präoperative Merkmale zu analysieren, darunter Alter, Blutdruck und Gesamtcholesterin. Dieser umfassende Ansatz ermöglichte die Entwicklung eines KI-gesteuerten Modells, das bemerkenswerte Genauigkeit bei der Vorhersage kritischer Ergebnisse wie Tod, größere Blutungsereignisse und die Notwendigkeit von Bluttransfusionen zeigte. Bemerkenswerterweise übertraf dieses KI-Modell seine Vorgänger, die sich auf ähnliche präoperative Merkmale stützten.

Patientenzentrierter und individualisierter Ansatz
Was diesen KI-Algorithmus besonders macht, ist sein patientenzentrierter Fokus. Er bezieht Rückmeldungen des PCI Patient Advisory Councils mit ein und stellt sicher, dass er auf individuelle Bedürfnisse und Bedenken eingeht. Ziel ist es, Patienten und Gesundheitsdienstleistern ein Werkzeug an die Hand zu geben, das gemeinsame Entscheidungsfindung erleichtert und die Patientenaufklärung über die potenziellen Risiken einer PCI unterstützt.

Mit der Verbreitung von Smartphones und elektronischen Patientenakten besteht ein enormes Potenzial, dieses KI-gesteuerte Risikovorhersagewerkzeug in elektronische Gesundheitssysteme zu integrieren. Dadurch würde es direkt am Krankenbett leicht zugänglich gemacht und es Ärzten ermöglicht, komplexe Informationen schnell zu übermitteln und das Verständnis der Patienten für die mit einer PCI verbundenen Risiken zu verbessern.

Zugängliche KI-Technologie
Die innovative Technologie des Teams der Michigan Medicine wurde in eine benutzerfreundliche Computer- und Telefonanwendung umgewandelt, um weitreichenden Zugang und Benutzerfreundlichkeit zu gewährleisten. Diese Demokratisierung von KI-Werkzeugen verspricht verbesserte Patientenergebnisse und eine verstärkte gemeinsame Entscheidungsfindung zwischen Patienten und Klinikern.

Die Unterstützung von Blue Cross, Blue Shield of Michigan und Blue Care Network im Rahmen des BCBSM Value Partnerships-Programms ist von entscheidender Bedeutung. Obwohl Blue Cross Blue Shield of Michigan und BMC2 eng mit dieser Forschung zusammenarbeiteten, spiegeln die vom Autor geäußerten Meinungen nicht notwendigerweise die Ansichten von BCBSM oder seinen Mitarbeitern wider.

Hinweis: Teile dieses Textes könnten mithilfe einer Künstlichen Intelligenz generiert worden sein.