KI soll vorhersagen, wer zu Remodelling neigt
Katheterablationen bei Vorhofflimmern werden allein in Deutschland über 100.000 Mal pro Jahr durchgeführt. Anders als bei den katheterbasierten Aortenklappen gibt es kein systematisches Qualitätsmanagement und auch keine Mindestmengen. Entsprechend zahlreich sind die Anbieter, und entsprechend deutlich schwankt die Qualität der angebotenen Therapien. Anders formuliert: Es gibt Spielruam für Standardisierung.Lassen sich Ablationen bei Vorhofflimmern durch den Einsatz von KI-Algorithmen optimieren – und damit nicht zuletzt stärker standardisieren? Das wird schon seit einiger Zeit versucht. Ein Förderprojekt zu diesem Thema startet jetzt am Helios Health Institute des Herzzentrums Leipzig unter dem Namen ACCELERATE. Die Deutsche Herzstiftung stellt dafür knapp 100.000 Euro an Fördergeldern zur Verfügung.
Ziel von ACCELERATE ist letztlich eine prädiktive(re) Medizin: Es geht darum, mit Hilfe von KI-Modellen besser als bisher den Erfolg einer Katheterablation bzw. das jeweilige Rückfallrisiko vorherzusagen. Eine wichtige Rolle spielt bei diesen Rückfällen das so genannte linksatriale Remodelling, also Veränderungen der Myokardstruktur im abladierten Bereich nach dem Eingriff. Darauf haben es die Leipziger Forscher:innen ganz besonders abgesehen. Geleitet wird das Projekt von Dr. Sebastian König von der Abteilung Rhythmologie am Herzzentrum Leipzig, und von Prof. Dr. Dr. Andreas Bollmann, Geschäftsführer und Medizinischer Direktor am Helios Health Institute.
Ziel ist eine Prädiktion auf Basis des 12-Kanal-EKGs
Die Leipziger Forscher werden vorhandene Registerdaten des Herzzentrums Leipzig mit Routinedaten aus der klinischen Versorgung und weiteren Datenquellen wie der digitalen EKG-Datenbank „Leipzig Heart Center Atrial Fibrillation Ablation Registry“ zusammenführen und sie hinsichtlich auftretender Muster analysieren. So sollen Vorhersagemodelle entwickelt werden, die am Ende mit Standard-12-Kanal-EKG-Datensätzen arbeiten sollen.Bisher fanden EKG-basierte Parameter aufgrund der methodisch gesetzten Grenzen nur unter Einbeziehen einzelner Werte Eingang in derartige Analysen. „In den letzten Jahren hat die Auswertung von Oberflächen-12-Kanal-EKGs mithilfe von künstlicher Intelligenz beziehungsweise Modellen des maschinellen Lernens immer mehr an Bedeutung gewonnen“, so König. „Der Einsatz dieser Technologien könnte die Vorhersage von Umstrukturierungsprozessen am Vorhof des Herzens weiter verbessern.“
Zu den klinischen Variablen, die im Rahmen von ACCELERATE genutzt werden sollen, gehören u.a. die Größe des linken Vorhofs, das Vorhandensein von Arealen im linken Vorhof mit geringer Erregungsleitung, so genannten Low-Voltage-Arealen und natürlich die Arrhythmie-Rezidive. Eine externe Validierung der entwickelten Modelle ist u. a. in Kooperation mit der Vanderbilt Universität, Nashville (USA) geplant.