Schlaganfall: KI ermittelt sicher den Zeitpunkt

Ein Schlaganfall kann unter anderem durch ein Blutgerinnsel entstehen, wodurch Teile des Hirns nicht mehr ausreichend mit Sauerstoff versorgt werden. Bei vielen solchen Schlaganfällen kann innerhalb von viereinhalb Stunden medikamentös interveniert werden, um Schäden zu verhindern; chirurgisch bis zu sechs Stunden nach dem Schlaganfall. Erfolgt ein Eingriff danach, kann dies sogar eher zu Schäden führen. Daher ist es enorm wichtig zu wissen, wann der Schlaganfall stattgefunden hat.

Schwierige Ermittlung des Zeitpunktes

Wenn die Patientinnen und Patienten nicht kommunizieren können oder der Schlaganfall während des Schlafs stattgefunden hat, ist das medizinische Personal gefragt. In Form von CT-Bildern wurde bisher ermittelt, wann der Schlaganfall passiert ist. Je dunkler die betroffene Region im CT auftritt, desto länger liegt der Schlaganfall zurück. Doch auch der individuelle Blutfluss und die Blutgefäßstruktur beeinflussen, wie schnell der Schaden voranschreitet. 

Hier greift nun ein Algorithmus ein. Forschende der Technischen Universität München, in Zusammenarbeit mit dem Imperial College London, lernten einen Algorithmus mit 800 CT-Bildern von Schlaganfallpatientinnen und -patienten an. Mit dieser Grundlage identifiziert die KI die betroffene Hirnregion und gibt einen Zeitpunkt des Schlaganfalls an.

KI doppelt so genau

Im nächsten Zug testeten die Forschenden ihren Algorithmus an weiteren 2000 Daten von Betroffenen. Es zeigte sich, dass die Angaben der KI doppelt so genau waren wie die des medizinischen Personals. Sie war ebenfalls präzise darin einzuschätzen, wie sehr sich die Schädigung des Gehirns seit dem Schlaganfall verändert hat und ob sie reversibel ist.

So kann die KI dem medizinischen Personal bei der Entscheidungsfindung im Notfall helfen. Sie soll automatisiert ausgeführt werden, sobald der CT-Scan erscheint. So könnte bei vielen Schlaganfallpatientinnen und -patienten die Behandlung optimiert werden.

Literatur:
Marcus, A., Mair, G., Chen, L. et al. Deep learning biomarker of chronometric and biological ischemic stroke lesion age from unenhanced CT. npj Digit. Med. 7, 338 (2024); DOI: 10.1038/s41746-024-01325-z.

Quelle: idw