Wenn Blutgefäße verengt sind und das Herz nicht mehr ausreichend mit Sauerstoff versorgt wird, können Nebenäste von Blutgefäßen quasi als Umgehungsstraße die Blutversorgung sichern. Mit KI sind Forschende diesem Schutzmechanismus des Herzens auf der Spur.
Forschende haben einen Algorithmus zur Bildanalyse entwickelt, der in der Lage ist, den Kollateralkreislauf im Herzen zuverlässig zu erkennen, zu bewerten und zu klassifizieren.
Bartek / Adobe Stock
Das Herz ist der Motor unseres Körpers. Sind Blutgefäße im Herzen verengt oder gar verschlossen, wird es schnell lebensgefährlich: Denn wenn das Herzmuskelgewebe dauerhaft mit zu wenig Sauerstoff versorgt wird, droht ein Herzinfarkt oder langfristig eine Herzschwäche. Doch unser Herz ist erstaunlich anpassungsfähig. Durch den Mangel an Sauerstoff wird die Bildung von Nebenästen im Blutkreislauf, so genannter Kollateralarterien oder kurz Kollateralen, stimuliert. Diese können bei Verschluss oder Verletzung von Hauptgefäßen die Blutversorgung sichern. Das Blut fließt dann quasi auf einer Umgehungsstraße, in einem natürlichen Bypass, zum Ziel. „Die spontane Bildung natürlicher Bypässe ist ein bekannter biologischer Mechanismus, der sehr individuell und bislang diagnostisch schwer fassbar ist. Wenn es uns gelingt, die Bildung von Kollateralen im Herzen besser zu verstehen und zukünftig vielleicht sogar therapeutisch zu nutzen, wäre das für Patientinnen und Patienten mit koronarer Herzkrankheit ein Durchbruch“, sagt Professor Dr. Henry Nording, Kardiologe am Universitätsklinikum Schleswig-Holstein.
Die Koronare Herzkrankheit
Die koronare Herzkrankheit, kurz KHK, ist Todesursache Nummer eins weltweit. Allein in Deutschland sterben jedes Jahr fast 120.000 Menschen an einer KHK. Die Hauptursache ist eine fortschreitende Entzündung der Gefäßwände, die Atherosklerose. Durch Ablagerungen in der Gefäßwand verengen die Blutgefäße zunehmend oder verschließen sogar vollständig. Die Folge: Das Herzmuskelgewebe wird mit zu wenig Sauerstoff versorgt und es droht ein Herzinfarkt. Ein körpereigener Schutzmechanismus ist die Bildung von Nebenästen im Blutkreislauf, so genannten Kollateralarterien oder kurz Kollateralen. Die Bildung von Kollateralen wird durch Sauerstoffmangel stimuliert.
Im Herzen können Kollateralen die Sauerstoffversorgung des Herzmuskels in unterversorgten Regionen unterstützen und so die Langzeitprognose der Patientinnen und Patienten verbessern. „Wie ausgeprägt diese Umgehungsstraßen im Herzen sind und wie gut sie funktionieren, ist jedoch sehr individuell und bislang nicht vorhersagbar“, erklärt Nording. Mit Unterstützung des Bundesministeriums für Forschung, Technologie und Raumfahrt (BMFTR) war das transnationale Verbundprojekt PROGRESS als Teil der Förderinitiative ERA-PerMed dem Phänomen der Kollateralen auf der Spur – und zwar mit Hilfe von Künstlicher Intelligenz (KI).
Präzisere Diagnostik dank KI
Die Forscherinnen und Forscher verfolgten das Ziel, erstmals ein vollautomatisches, auf KI basierendes Werkzeug zu entwickeln, das den Kollateralkreislauf im Herzen zuverlässig erkennt, bewertet und klassifiziert. Mit Erfolg: Der vom PROGRESS-Team neu entwickelte Bildanalyse-Algorithmus, das so genannte CCC-Tool, erkennt in den Aufnahmen aus der Herzkatheter-Untersuchung die Kollateralgefäße automatisch und stuft diese ein. Die Abkürzung CCC kommt aus dem Englischen und steht für Coronary Collateral Circulation. „Wir konnten zeigen, dass unser KI-System Kollateralen mit einer Genauigkeit von knapp 88 Prozent erkennt – das ist ein Wert, der die Leistung erfahrener Kardiologinnen und Kardiologen bei gleicher Aufgabe übertrifft“, fasst Nording die Ergebnisse zusammen. „Unser Algorithmus ist vielversprechend für den klinischen Einsatz, da er eine schnelle und reproduzierbare Entscheidungshilfe bei der Interpretation von Herzkatheter-Bildern bietet. Die KI könnte künftig in Sekunden das erkennen und objektivieren, wofür ein hochspezialisierter Experte bislang jahrelange Erfahrung benötigte – und zwar reproduzierbar, rund um die Uhr und prinzipiell in jeder Klinik der Welt. Dabei sollten die KI und der behandelnde Arzt natürlich stets Hand in Hand arbeiten“, so Nording.
Verlängern Kollateralen das Überleben?
Für die Patientinnen und Patienten könnte die präzisere Diagnostik bedeuten, dass Behandlungsentscheidungen zukünftig individueller, auf ihr tatsächliches Gefäßprofil abgestimmt, getroffen werden. „In Deutschland sind acht Prozent der Bevölkerung an KHK erkrankt. Wir gehen davon aus, dass gut ausgebildete Kollateralgefäße die Wahrscheinlichkeit erhöhen, einen schweren Verlauf der Erkrankung zu überleben. Und diese überlebensrelevante Information lässt sich mit unserer KI tatsächlich präziser, schneller und einheitlicher erfassen als durch menschliche Auswertung allein“, erläutert Nording, der den Forschungsverbund koordinierte. Derzeit werden die Überlebensdaten von mehr als 3.000 Patientinnen und Patienten statistisch ausgewertet, um herauszufinden, in welchem Ausmaß gut ausgebildete Kollateralen das Langzeitüberleben tatsächlich verbessern. Zusätzlich haben die Forschenden genetische Faktoren gesucht, die bestimmen, bei welchen Patientinnen und Patienten sich solche schützenden Kollateralkreisläufe überhaupt entwickeln. „In den genetischen Analysen haben wir mehrere Gene und Proteine identifizieren können, die potenziell die Kollateralbildung beeinflussen. Diese könnten Ansatzpunkte für zukünftige Therapien zur Förderung der Kollateralbildung sein“, beschreibt Nording.
Algorithmus analysiert Bilder wie ein geübtes Auge
Im Forschungsverbund PROGRESS arbeiteten Expertinnen und Experten aus Kardiologie, KI-Entwicklung, Bioinformatik und Genetik in Deutschland, Frankreich, Rumänien, Lettland und den Niederlanden eng zusammen. Der entwickelte KI-Algorithmus basiert auf Deep-Learning-Techniken. Zum Einsatz kommen so genannte raumzeitliche Convolutional Neural Networks, eine Klasse von Algorithmen, die ursprünglich aus der Videobildanalyse stammen. Diese sind darauf trainiert, nicht nur einzelne Bildmomente, sondern die zeitliche Abfolge von Bildern zu verstehen. „Das bedeutet, der Algorithmus analysiert die gesamte Bildsequenz einer Herzkatheter-Untersuchung und lernt dabei, die charakteristischen Muster von Kollateralflüssen zu erkennen. So wie auch ein geübtes Auge den Blutfluss durch diese kleinen Umgehungsgefäße in der Abfolge der bewegten Bilder erfasst“, erklärt Nording. Trainiert und validiert wurde das System an einer retrospektiven Kohorte mit den Daten von 3.151 Patientinnen und Patienten. Nach der Patentierung wird das Team von PROGRESS das CCC-Tool auf offenen Plattformen teilen, um es Forschenden weltweit zur Verfügung zu stellen.
Wissenschaftlicher Ansprechpartner:
Prof. Dr. Henry Nording
Universitätsklinikum Schleswig-Holstein (UKSH)
Campus Kiel
Klinik für Innere Medizin V - Angiologie
Arnold-Heller-Straße 3
24105 Kiel
Henry.Nording@uksh.de