RisKa - Risikostratifizierung in der Kardiologie mittels KI

RisKa - Risikostratifizierung in der Kardiologie mittels KI

Personalisierte Risikostratifizierung für Herz-Kreislauf-Erkrankungen auf Basis von Auswertungen des EKG mittels Künstlicher Intelligenz.

Projektbeschreibung

Das interdisziplinäre RisKa-Projektkonsortium besteht aus den Forschungsgruppen des Wirtschaftsinformatikers und Gründungsmitglieds des Hessischen Zentrums für Künstliche Intelligenz (KI) Prof. Dr. Michael Guckert (Technische Hochschule Mittelhessen) und des Kardiologen Prof. Dr. Till Keller (Justus-Liebig-Universität Gießen). In langjähriger, interdisziplinärer Zusammenarbeit der Arbeitsgruppen wurden erfolgreiche KI-Modelle für die vielfältige Auswertung von medizinischen Daten und insbesondere EKG-Zeitreihen entwickelt, wissenschaftlich genutzt und international publiziert. Hieraus entstand die Idee, diese Modelle MedizinerInnen in einem geeigneten, für die praktische Anwendung in Klinik und Praxis optimierten Gesamtsystem zur Verfügung zu stellen. Damit war der Plan für RisKa geboren.

Vielfach führen Erkrankungen des Herzens besonders in frühen Stadien zunächst zu subtilen, unspezifischen Veränderungen im EKG, die schwer erkennbar sind und nur von spezialisierten KardiologInnen sicher identifiziert werden können. Darüber hinaus bedarf es für sichere Diagnosen als Grundlage für eine mögliche Behandlung häufig noch weiterer Untersuchungen. Neben dem hoch spezialisierten Expertenwissen wird also gegenwärtig häufig kostenintensive weiterführende Diagnostik notwendig, um Veränderungen im Herzmuskel sicher zu erkennen. Das RisKa System liefert nun KI-vermittelt auf Basis der Informationen des EKGs qualitativ hochwertige Informationen zur Unterstützung bei der Diagnose. Das KI-System erkennt dabei komplexe Muster, wie sie bei Veränderungen – z.B. Vernarbungen – im Herzmuskel auftreten. Damit kann Anwendung aufwändiger zusätzlicher Diagnostik auf notwendige Fälle reduziert werden und so knappe Ressourcen geschont sowie invasive Untersuchungen vermieden werden. Ziel von RisKa ist die Entwicklung eines klinischen Entscheidungsunterstützungssystems, das automatisiert mit Hilfe der KI Muster in Elektrokardiogramm-Aufnahmen präzise und kostengünstig erkennen und die gewonnene Information den AnwenderInnen zur Verfügung stellen kann. Das System kann EKG-Aufnahmen aus unterschiedlichsten Quellen einlesen und für die Anwendung der KI vorbereiten. Die EKG-Zeitreihen können dabei um weitere Daten der PatientInnen ergänzt werden (klinische Daten, Biomarker, Stimmdaten, etc.). Über eine innovative Visualisierung mit Erklärungskomponenten assistiert das System MedizinerInnen bei der Untersuchung und Entscheidungsfindung in der ärztlichen Praxis. In Summe ergibt dies ein effizientes interaktives Human-in-the-Loop KI-System für die Unterstützung bei der ärztlichen Diagnosestellung. Die Entwicklung moderner lernender Systeme stellt hohe Anforderungen an die Auswahl und die Nutzung der Datenbasis. Eine besondere Herausforderung für RisKa liegt in der Bereitstellung einer multimodalen Benutzerschnittstelle, die eine möglichst nahtlose Integration in Prozesse der ärztlichen Praxis bietet.

Das entwickelte System kann von niedergelassenen ÄrztInnen für die individualisierte Risikoerkennung in Screening-Verfahren zur frühzeitigen Erkennung und Diagnose von Herz-Kreislauf-Erkrankungen genutzt werden. Mit RisKa kann eine personalisierte Risikostratifizierung für Herz-Kreislauf-Erkrankungen mit großer Reichweite etabliert werden. Niedergelassene MedizinerInnen können diese in ambulante Regeltermine und Check-up-Untersuchungen integrieren. Eine fachärztliche kardiologische Vorstellung, oft mit weiter Anfahrt verbunden, wird dann erst bei begründetem Verdacht notwendig. Durch die Nutzung von RisKa steht spezifische kardiologische Expertise nicht mehr nur zentral zur Verfügung, sondern auch dezentral beispielsweise in der hausärztlichen Praxis, was unmittelbar zu einer Verbesserung der PatientInnenversorgung und des Gesundheitswesens beiträgt.

Fördermittelgeber

Hessische Staatskanzlei - Ministerin für Digitale Strategie und Entwicklung
Distr@l Logo kurz

Impressionen