Herz-Kreislauf-Erkrankungen sind nicht nur in Deutschland die führende Todesursache. Sie verursachen hierzulande laut RKI insgesamt etwa 40 Prozent aller Sterbefälle. Darüber hinaus sind sie aber auch mit erheblichen individuellen Krankheitsfolgen verbunden und verursachen entsprechend hohe gesellschaftliche Krankheitskosten. Eine frühere Diagnose könnte hier erhebliche Vorteile bringen. Doch oft werden sie erst entdeckt, wenn bereits Symptome auftreten und die Krankheit schon relativ weit fortgeschritten ist. Statt einer medikamentösen Behandlung ist dann meist eine teure Operation notwendig. Während ihrer Dissertation im Rahmen des von Gerhard Holzapfel geleiteten TU Graz-Leadprojekts „Mechanics, Modeling and Simulation of Aortic Dissection“ haben Sascha Ranftl vom Institut für Theoretische Physik - Computational Physics und Vahid Badeli vom Institut für Grundlagen und Theorie der Elektrotechnik der TU Graz nun einen Weg gefunden, die Früherkennung solcher Krankheiten ohne Einsatz teurer Diagnosemethoden wie MRT oder CT zu verbessern und zu beschleunigen. Mittels eines digitalen Zwillings der betroffenen Personen wollen sie die Erkrankungen auch noch weiter untersuchen. Dies könnte sowohl Patientinnen/Patienten und Ärztinnen/Ärzte als auch Gesundheitseinrichtungen entlasten. Ihre Methode haben sie bereits zum Patent angemeldet und führen sie im TU Graz Spin-off arterioscope nun zur Marktreife.
Analyse mit selbst entwickeltem Machine-Learning-Modell
„Das Grundprinzip ist: Jegliche Erkrankung, welche die kardiovaskuläre Mechanik verändert, wird auch das extern angelegte elektrische Feld auf eine bestimmte Art verändern. Das gilt für Arteriosklerose, Aortendissektion, Aneurysmen, Herzklappenfehler und so weiter“, sagt Sascha Ranftl. Nutzen können die Forschenden hierfür normale elektrische, optische oder Bioimpedanzsignale - beispielsweise von einem EKG, PPG oder einer Smartwatch -, die sie mit einem selbst entwickelten Machine-Learning-Modell analysieren, das potenzielle Erkrankungen aus den Signalen herauslese. Gleichzeitig gebe das Modell an, wie hoch die Wahrscheinlichkeit sei, dass eine bestimmte Erkrankung wirklich vorhanden ist. Trainiert wurde das Machine-Learning-Modell mit realen klinischen Bioimpedanz-Daten und Werten aus Simulationen des Herzkreislaufsystems. Aufgrund der zahlreichen Parameter, die im kardiovaskulären System eine Rolle spielen, und der vielen Simulationen, die für ein statistisch signifikantes Ergebnis notwendig seien, mache es Machine Learning überhaupt erst möglich, Ergebnisse mit über 90-prozentiger Genauigkeit in einer annehmbaren Zeit zu erhalten. Der Vorteil der maschinellen Analyse liege außerdem darin, dass auch Veränderungen erkannt werden, die selbst geübte Ärztinnen und Ärzten aus EKG-Daten mit bloßem Auge nicht ausmachen würden, so das Forschungsteam.
Mit digitalem Zwilling Verlauf prognostizieren
So sei es mit dieser Methode beispielsweise gelungen, den Grad der Versteifung von Arterien festzustellen. Wenn Arterien immer steifer werden, ist das üblicherweise eine Vorstufe von Aortendissektion und damit ein vorzeitiges Warnsignal. Sei so eine risikobehaftete Veränderung gefunden, lasse sich anhand der Diagnosedaten ein multiphysikalisches Simulationsmodell in Form eines digitalen Zwillings erstellen, das auch den weiteren Verlauf der Erkrankung prognostiziere. Das erlaube Medizinerinnen und Medizinern eine tiefergehende Analyse. Im TU Graz Spin-off arterioscope wollen Sascha Ranftl und Vahid Badeli diese Technologie nun gemeinsam mit Partnern aus dem Gesundheitswesen weiterentwickeln, um die Genauigkeit ihrer Algorithmen zu verbessern und sie für die klinische Anwendung zu erweitern und zu adaptieren.
Frühere Behandlung möglich?
„Es gibt viel Information, die man mit geringem Aufwand von außerhalb des Körpers sammeln kann“, sagt Badeli. „Bislang war es schwierig, genau herauszufinden, was diese Informationen bedeuten. Aber mit unseren Computermodellen und der Hilfe von Machine Learning verstehen wir sie besser und können die Korrelation finden.“ Dadurch werde es möglich sein, Patientinnen und Patienten früher zu behandeln, wenn etwa statt einer Operation eine Medikamententherapie möglich sei.
Quelle: idw/TU Graz
Artikel teilen
