Freitag, 3. Mai 2024
Navigation öffnen
Medizin

Künstliche neuronale Netze lokalisieren ventrikuläre Extrasystolen

Künstliche neuronale Netze lokalisieren ventrikuläre Extrasystolen
© Dr. Axel Loewe, KIT
Ventrikuläre Extrasystolen – zusätzliche Herzschläge aus den Hauptkammern des Herzens – können mit ernsthaften Erkrankungen zusammenhängen. Forschende am Karlsruher Institut für Technologie (KIT) nutzen Maschinelles Lernen, um den Ursprungsort der Extrasystolen nichtinvasiv zu bestimmen. Dies könnte künftig die Diagnose und Therapie erleichtern und verbessern. Dazu setzen sie künstliche neuronale Netze ein, die auf synthetischen Daten aus einem realistischen Simulationsmodell trainiert sind.

Ventrikuläre Extrasystolen können bei bestehender Herzschwäche lebensbedrohlich sein

Herz-Kreislauf-Erkrankungen sind weltweit für mehr als 17 Millionen Todesfälle im Jahr verantwortlich. Davon gelten rund 25% als plötzlicher Herztod. Dieser kann mit ventrikulären Tachykardien zusammenhängen, das heißt mit schnellen Herzrhythmusstörungen aus den Herzkammern, häufig ausgelöst durch ventrikuläre Extrasystolen. Diese zusätzlichen Herzschläge aus den Herzkammern fühlen sich wie Aussetzer oder Stolperer an. Der normale Herzschlag wird vom Sinusknoten im linken Herzvorhof gesteuert, die Extrasystolen dagegen werden von elektrischen Signalquellen an anderen Orten ausgelöst. Bis zu einer gewissen Zahl sind ventrikuläre Extrasystolen normal. Ventrikuläre Tachykardien können allerdings die Herztätigkeit beeinträchtigen und vor allem bei bereits bestehender Herzschwäche lebensbedrohlich sein.

Zur Behandlung müssen ventrikuläre Extrasystolen genau lokalisiert werden

Behandeln lassen sich ventrikuläre Tachykardien mit einer Katheterablation: Der Ursprungsort der Extrasystolen wird über einen Spezialkatheter durch Hochfrequenzstrom verödet. Dazu ist es erforderlich, zuvor den Ursprungsort genau zu lokalisieren. Verfahren, bei denen zur Lokalisation ein Katheter in die Herzkammer eingeführt wird, sind minimalinvasiv, aber mit einem hohen Zeitaufwand und gewissen Risiken verbunden. Eine Lokalisation anhand des Elektrokardiogramms (EKG) verlangt das vorherige Erfassen der patientenspezifischen Geometrie mithilfe tomografischer Bildgebung. „Hingegen ermöglichen Methoden des Maschinellen Lernens, den Ursprungsort der Extrasystolen nichtinvasiv und ohne tomografische Bildgebung zu bestimmen“, sagt Dr. Axel Loewe, Leiter der interdisziplinären Arbeitsgruppe „Computermodelle des Herzens“ am Institut für Biomedizinische Technik (IBT) des KIT.
 
 

Lesen Sie mehr zu diesem Thema:

Defizite bei der Prävention von Herz-Kreislauf-Erkrankungen in Deutschland

Erschienen am 17.05.2023Bei der Lebenserwartung ist Deutschland im europäischen Vergleich weit abgeschlagen. Die Gründe dafür erfahren Sie hier!

Erschienen am 17.05.2023Bei der Lebenserwartung ist Deutschland im europäischen Vergleich weit abgeschlagen. Die Gründe dafür...

© denisismagilov - stock.adobe.com

Maschinelles Lernen: Neuronale Netzwerke lokalisieren die Extrasystolen anhand von EKG-Signalen

In der Zeitschrift Artificial Intelligence in Medicine berichten Forschende vom IBT des KIT und vom Karlsruher Unternehmen EPIQure, wie sie Deep Learning einsetzen, um ventrikuläre Extrasystolen anhand von EKG-Signalen ohne patientenspezifische Geometrien zu lokalisieren (1). Die Wissenschaftler:innen nutzen dazu faltende neuronale Netzwerke (CNNs). Dabei handelt es sich um eine besondere Form von künstlichen neuronalen Netzen. CNNs setzen sich aus verschiedenen Schichten zusammen, die unterschiedliche Aufgaben übernehmen. Sie eignen sich für große Datenmengen und lassen sich vergleichsweise schnell trainieren.

Ursprungsort der Extrasystolen wurde in 82% der Fälle korrekt bestimmt

Die Forschenden aus Karlsruhe trainierten die CNNs ausschließlich auf synthetischen Daten, die sie aus einem realistischen Simulationsmodell gewonnen hatten. Nur so ließ sich ein Datensatz von 1,8 Millionen Extrasystolen-EKGs erzeugen. Abschließend evaluierten sie ihre Methode an klinischen Daten. In 82% aller klinischen Fälle wurde der Ursprungsort der Extrasystolen korrekt bestimmt (1). „Nach weiterer Optimierung anhand von klinischen Daten besitzt unsere Methode das Potenzial, medizinische Eingriffe zu beschleunigen, Risiken zu verringern und die Ergebnisse zu verbessern“, sagt Loewe.

Quelle: Karlsruher Institut für Technologie (KIT)

Literatur:

(1) Nicolas Pilia et al. Non-invasive Localization of the Ventricular Excitation Origin Without Patient-specific Geometries Using Deep Learning. Artificial Intelligence in Medicine, 2023.



Sie können folgenden Inhalt einem Kollegen empfehlen:

"Künstliche neuronale Netze lokalisieren ventrikuläre Extrasystolen"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der MedtriX GmbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: rgb-info[at]medtrix.group.