Künstliche Intelligenz enthüllt Herzfehler
Röntgenbild des Brustraums wird aussagekräftiger und verbessert Effizienz ärztlicher Diagnosen
 |
Das Röntgenbild des Brustkorbs wird aussagekräftiger (Foto: pixabay.com, oracast) |
Osaka (pte020/10.07.2023/12:30)
Forscher der Osaka Metropolitan University haben mit einem Deep-Learning-KI-Modell das Röntgenbild in ein leistungsfähiges Werkzeug zur Diagnose von Herzproblemen verwandelt. Damit lässt sich die Herzfunktion schnell und genau überprüfen, so die Entwickler. Gebrochene Rippen erkennt bislang sogar ein Laie auf einem Röntgenbild des Brustkorbs, ansonsten bleibt jedoch viel verborgen. Vor allem der Zustand des Herzens lässt sich kaum erkennen. Die Forschungsergebnisse erschienen kürzlich in "The Lancet Digital Health".
Ultraschall als Ergänzung
Röntgenaufnahmen des Brustkorbs sind die weltweit am häufigsten durchgeführten radiologischen Tests und eine gängige Methode, um Lungen- und Herzerkrankungen zu diagnostizieren. Obwohl schnell und einfach durchzuführen, ist eine Röntgenaufnahme nur ein statisches Bild, das keine Informationen über die Funktion des Herzens liefern kann. Dazu benötigt man ein Echokardiogramm, also eine Ultraschallaufnahme des Herzens. Damit lässt sich feststellen, wie effektiv das Herz pumpt und ob die Herzklappen funktionsfähig sind. Sind sie erkrankt, so kann das Herz das Blut nicht effektiv pumpen und muss härter arbeiten, was zu Herzversagen oder plötzlichem Herzstillstand führen kann.
Den japanischen Forschern gelang ihre Innovation mittels Deep Learning - einem Prozess, der von KI verwendet wird und Computern beibringt, Daten so zu verarbeiten, dass sie das menschliche Gehirn imitieren. Das Modell kann komplexe Muster in Bildern, Texten, Tönen und anderen Daten erkennen, um genaue Erkenntnisse und Vorhersagen zu gewinnen.
Genaue Kategorisierung
Die Forscher trainierten das Deep-Learning-Modell mit 22.551 Röntgenaufnahmen des Brustkorbs, die sie mit ebenso vielen Echokardiogrammen verknüpften. Die Röntgenbilder legten sie als Eingabedaten und die Echokardiogramme als Ausgabedaten fest. Dann trainierten sie das Modell darauf, die Merkmale zu erkennen, die beide Datensätze miteinander verbinden. Beim Testen ihres Modells stellten die Forscher fest, dass es sechs Arten von Herzklappenerkrankungen präzise kategorisieren kann.
"Das System verbessert nicht nur die Effizienz der ärztlichen Diagnosen, es könnte auch in Bereichen eingesetzt werden, in denen es keine Spezialisten gibt, in nächtlichen Notfällen und bei Patienten, die Schwierigkeiten haben, sich einer Echokardiographie zu unterziehen", erklärt Hauptautor Daiju Ueda abschließend.
(Ende)| Aussender: | pressetext.redaktion |
| Ansprechpartner: | Wolfgang Kempkens |
| Tel.: | +43-1-81140-300 |
| E-Mail: | kempkens@pressetext.com |
| Website: | www.pressetext.com |
