Die Entwicklung von klinischen KI-Algorithmen schreitet voran, aber noch zu häufig bearbeiten die Algorithmen Szenarien, die medizinisch nur von begrenzter Relevanz sind. Akhil Narang von der Northwestern University in Chicago und Kollegen berichten jetzt in der Zeitschrift JAMA Cardiology von einem extrem versorgungsnahen Maschinenlern-Algorithmus, der sich der Echokardiographie, genauer dem Point-of-Care-Ultraschall des Herzens, widmet.

Dieses fokussierte „Basis-Echo“ beantwortet einige klinische Kernfragen an die Herzdiagnostik, namentlich die nach der Herzfunktion, nach der Größe der Herzkammern und nach dem Vorliegen eines Ergusses im Herzbeutel. Ideal wäre, wenn für diese Art von Untersuchung nicht erst ein Termin bei einem Echokardiographeur gebucht werden müsste, sondern wenn die Untersuchung vom Personal auf Station oder in der Praxis rasch vor Ort vorgenommen werden könnte. In manchen Einrichtungen klappt das, aber längst nicht überall. Zwar wird die Hardware immer mobiler, aber die Echokardiographie ist in der Durchführung nicht ganz simpel.

Die Kardiologen und IT-Experten aus den USA zielen auf genau dieses Problem und haben einen Maschinenlernalgorithmus entwickelt, der die Anwender durch eine Basis-Echokardiographie quasi durchleitet. Auf dem Monitor ist nicht nur das Ultraschallbild zu sehen, sondern es wird klar angezeigt, wie die Sonde gesetzt, gekippt und verschoben werden muss, um die jeweilige Bildeinstellung zu erreichen. Hat das Bild eine gewisse Qualität, wird automatisch der Videorekorder eingeschaltet und die Sequenz aufgezeichnet, sodass sie dann im Nachgang – manuell oder automatisch – ausgewertet werden kann.

Der Algorithmus stammt von dem Unternehmen Caption Guidance und wurde anhand von insgesamt 5 Millionen Datensätzen trainiert, die von 15 verschiedenen Ultraschallexperten kamen und die jeweils Informationen zum Ultraschallbild, zur Positionierung der Sonde und zum Patienten erhielten. An der jetzt publizierten, klinischen Studie mit diesem Algorithmus nahmen acht Pflegekräfte ohne Echokardiographie-Erfahrung und machten jeweils dreißig Echo-Untersuchungen nach einem Point-of-Care-Protokoll. Alle aufgezeichneten Bilder und Filme wurden von Experten verblindet bewertet. Dabei ging es primär um die Beurteilbarkeit von linksventrikulärer Funktion und Größe, rechtventrikulärer Größe und Perikarderguss.

Die Ergebnisse zeigen, dass die Software-geführte Basisechokardiographie bei einem Großteil der Patienten gut auswertbare Bilder bzw. Filme produziert. Bei 237 von insgesamt 240 Software-geführten Scans (98,8%) waren die Experten der Meinung, dass die genannten Parameter auswertbar waren. Bei der rechtsventrikulären Größe wurden 222 von 240 Aufnahmen als auswertbar beurteilt, etwas weniger also, aber immer noch über 90%. Es gab auch keine signifikanten Unterschiede zwischen den unterschiedlichen BMI-Kategorien, und auch ob es sich um Patienten mit oder ohne zugrundeliegende Herzerkrankung handelte, war für die Qualität der mit Algorithmus-Hilfe erstellten Aufnahme egal. Die Studie eröffnet in jedem Fall interessante Perspektiven für eine Primärversorgung mit deutlichem besserem Zugang zu einer bildgebenden Herzdiagnostik, zumindest was die kardiologischen Basisparameter angeht.

In Kooperation mit Redaktion E-HEALTH-COM

Weitere Informationen:

Narang A et al. Utility of a Deep-Leraning Algorithm to Guide Novices to Acquire Echocardiograms for Limited Diagnostic Use. JAMA Cardiology 2021; https://jamanetwork.com/journals/jamacardiology/fullarticle/2776714