KI-Software erkennt Herzkrankheiten in Echtzeit

Herz-Kreislauf-Erkrankungen sind die häufigste Todesursache weltweit. In Europa leiden mehr als 15 Millionen Menschen an Herzinsuffizienz, in Österreich geschätzte 250.000. Ein zentrales Problem: Herzkrankheiten werden häufig erst in einem fortgeschrittenen Krankheitsstadium diagnostiziert, eine medikamentöse Behandlung zeigt dann oft nicht mehr den gewünschten Erfolg und es müssen interventionelle oder chirurgische Maßnahmen erwogen werden.

Wichtige Gründe für die verzögerte Risikoanalyse derartiger Krankheiten liegen zum einen an den recht unspezifischen Symptomen von Herzinsuffizienz, die sich zudem individuell sehr unterschiedlich manifestieren können. Zum anderen werden klassische Diagnostikmethoden wie Bluttests im Labor schon aus Kostengründen nicht flächendeckend durchgeführt. Zu den Folgen gehören hohe Hospitalisierungsraten, die eine große Belastung für betroffene Patient*innen darstellen, und hohe Kosten für das Gesundheitssystem.

Das Start-up „arterioscope“ ist eine Ausgründung der Technischen Universität Graz. Das Deep-Tech-Spin-off hat einen innovativen, patentierten Ansatz gefunden, Anzeichen von Herzinsuffizienz und Risiken für Herzerkrankungen ohne die Zuhilfenahme herkömmlicher Diagnosemethoden wie CT, MRT oder Labor früher zu erkennen. Eine medizinisch validierte, KI-basierte Software spürt kardiovaskuläre Biomarker auf, die in direktem Zusammenhang mit Erkrankungen wie Herzinsuffizienz, Herzinfarkt, Atherosklerose, Aneurysmen oder Herzklappenfehlern stehen, erklärt Hermann Moser, einer der Gründer und CEO von „arterioscope“: „Jede Herzerkrankung wirkt sich auf bestimmte Weise physisch auf die kardiovaskuläre Mechanik aus und verändert auch extern angelegte, elektrische Felder. Um diese Informationen zu erhalten, verwenden wir Biosignale von klinischen Elektrokardiogrammen (EKG) und Photoplethysmographien (PPG).

Mithilfe eines eigenen Machine Learning- und Deep Learning-Modells können wir aus den gewonnenen Informationen erstmals Rückschlüsse auf mögliche Herzkrankheiten ziehen, und das in Echtzeit.“ Selbst erfahrene Ärzt*innen konnten mit herkömmlichen Methoden und Technologien diese Signale bisher mit freiem Auge nicht aus den EKG-Daten erkennen.

Das Machine Learning Modell wurde an der Technischen Universität Graz in enger Kooperation mit der Medizinischen Universität Graz und internationalen Partner*innen aus der Forschung, Medizintechnik und Pharmaindustrie entwickelt. Um statistisch signifikante Ergebnisse zu erhalten wurde die KI-Software mit einer großen Anzahl öffentlicher, klinischer Datensätzen trainiert, unter anderem mit dem zentralen Blutmarker für Herzschwäche NT-proBNP, weiteren wichtigen kardiovaskulären Parametern sowie Werten aus Simulationen des Herzkreislaufsystems. „Überhaupt erst durch Machine Learning wurde es möglich, aus den großen Datenmengen statistisch signifikante Ergebnisse mit einer neuen Leistungsstufe in der Auswertung kardiovaskulärer Biosignale zu erreichen", so Moser.

Die Kombination moderner Signalverarbeitung, maschinellen Lernens und klinischer Referenzdaten könnte weitere praktische Vorteile für Patient*innen und Gesundheitssystem bieten. „Derzeit wird im Krankenhaus bei Verdacht auf Herzschwäche ein Blutwert bestimmt, der gut etabliert und evidenzbasiert ist“, sagt Martin Manninger-Wünscher, CMO von „arterioscope“ und Kardiologe an der Medizinischen Universität Graz. „Diese Screenings dienen allerdings oft zur Abklärung, und nicht jede dieser Untersuchungen ist zwingend notwendig, weshalb es derzeit auch zu Engpässen bei der Terminvergabe kommt. Unsere Idee ist es, über die KI-basierte EKG-Analyse bereits vorab eine Erhöhung dieses Blutwertes vorhersagen zu können. Der Vorteil eines solchen telemedizinischen ‚Vorscreenings‘ ist, gezielter jene Patient*innen zu identifizieren, die tatsächlich von einer kardiologischen Abklärung profitieren, und unnötige Untersuchungen zu vermeiden.“ Die Technologie könne so als eine Art „Gatekeeper“ fungieren, um Patient*innenströme effizienter zu lenken.

Neben einer genaueren Voruntersuchung ermöglicht die Grazer Software auch Risikoanalysen von Herzkrankheiten. Bisherige AI-EKG-Lösungen würden versuchen, bestehende Diagnosen lediglich zu „imitieren“, und würden binäre Diagnosen wie „krank! oder „gesund“ ausweisen, sagt Hermann Moser. „Unser auf Biomarkern basierender Machine Learning-Ansatz geht einen Schritt weiter. Physiologisch fundierte Risiko-Scores zeigen an, wie wahrscheinlich es ist, ob eine bestimmte Erkrankung tatsächlich vorhanden ist.“ Ausschlaggebend für diese Messungen seien sehr große Datenmengen, so Moser: „Derzeit kann die Software überall dort eingesetzt werden, wo ein EKG verfügbar ist, also etwa in Ordinationen, Primärversorgungszentren oder bei Hausärzt*innen. Langfristig arbeiten wir daran, die Technologie von klassischen medizinischen EKG-Geräten auf Pulskurven aus Wearables zu übertragen. Über die PPG-Daten könnten wir nämlich ein kontinuierliches Patient*innenmonitoring ermöglichen, über Simulationsmodelle sogar den weiteren Krankheitsverlauf prognostizieren und bei auffälligen Veränderungen sofort alarmieren.“ Ein entsprechendes Forschungsprojekt mit der Med Uni Graz läuft bereits.

Martin Manninger sieht darin einen weiteren Nutzen für die Patient*innen: „Wenn es uns gelingt, die Software valide weiterzuentwickeln und aus diesen PPG-Signalen Hinweise auf ein erhöhtes Risiko für Herzschwäche zu erkennen, könnte man die Früherkennung aus dem medizinischen System heraus ins häusliche Umfeld verlagern. Mit anderen Worten: Verlaufskontrollen und Messungen ließen sich von zuhause aus durchführen.“ Damit könnten sehr viel mehr Menschen frühzeitig erreicht werden, so der Experte.

Die Innovation eröffnet auch neue Möglichkeiten für die klinische Forschung. Biotech-, Pharma- und Industrieunternehmen können die Technologie von „arterioscope“ in klinischen Studien einsetzen, um Medikamente schneller und effizienter zu entwickeln.

Langfristig ist eine Zusammenarbeit mit dem Gesundheitssystem, Versicherungen und Ärzt*innen vorgesehen: Ein bevölkerungsweites Screening ab dem 40. Lebensjahr auf frühe Anzeichen von Herzinsuffizienz bzw. das Risiko für Herzerkrankungen ließe sich in bestehende Gesundheitsvorsorgeuntersuchungen integrieren oder mit Initiativen wie HerzMobil oder den EU-Gesundheitsplänen verknüpfen, so die Überlegungen bei „arterioscope“.

Dies stünde auch im Einklang mit dem Safe Hearts Plan der Europäischen Kommission, der bis 2035 unter anderem die Stärkung von Prävention, Früherkennung und digitaler Gesundheitsstrategien vorsieht. Auch die Österreichische Kardiologische Gesellschaft (ÖKG) betont die Dringlichkeit koordinierter, nachhaltiger Strategien und spricht sich für die Entwicklung eines nationalen Herzgesundheitsplans aus.

Fotos: Titelbild – „arterioscope“-Gründer (v.l.n.r.:) Hermann Moser, CEO; Vahid Badeli, CTO; Sascha Ranftl, Chief Scientist © Christine Rechling; Porträtfoto Martin Manninger-Wünscher © European Society of Cardiology