Forschende der Eidgenössischen Technischen Hochschule Zürich (ETH) und der Regensburger KUNO-Klinik St. Hedwig haben einem Bericht der ETH zufolge eine Künstliche Intelligenz (KI) geschaffen, die in der Lage ist, bei Neugeborenen die schwer zu diagnostizierende Herzkrankheit pulmonale Hypertonie zu erkennen. Die schwere Erkrankung verursacht, dass die Lungenarterien nach der Geburt verengt bleiben oder sich in den ersten Tagen oder Wochen nach der Geburt wieder verschliessen.
Das schränkt den Blutstrom zu den Lungen ein und reduziert die Sauerstoffsättigung im Blut. Doch setzt dies eine sehr spezifische Ultraschalluntersuchung voraus. Liegt diese Herzerkrankung vor, ist schnelles Handeln geboten. Die dafür benötigte Erfahrung und Expertise ist aber abseits der grossen Perinatalzentren oft nicht vorhanden.
Das Team um Datenwissenschaftlerin und ETH-Professorin Julia Vogt hat gemeinsam mit Neonatologinnen und Neonatologen der Regensburger Klinik ein Computermodell entwickelt, das zuverlässig bei der Diagnose der Krankheit bei neugeborenen Kindern unterstützen kann. In ihrer Studie haben sie zunächst ihren Algorithmus mit vielen Hundert Videoaufnahmen von Herz-Ultraschalluntersuchungen von 192 Neugeborenen trainiert. Der Datensatz enthielt auch die jeweiligen Diagnosen.
Wie gut der Algorithmus die Bilder interpretieren kann, wurde danach mit einem Datensatz mit Ultraschallbildern von 78 Neugeborenen geprüft. Das Ergebnis: In 80 bis 90 Prozent der Fälle schlug das Modell die richtige Diagnose vor und bestimmte in 65 bis 85 Prozent der Fälle den korrekten Schweregrad der Erkrankung. Die KI unterstütze lediglich, so Vogt. «Zentral für uns ist aber, dass am Schluss immer ein Mensch, eine Ärztin oder ein Arzt, entscheidet.» ce/mm
