Von Mark Melchionna
– Jüngste Forschungsergebnisse von Rutgers, der State University of New Jersey, haben beschrieben, wie künstliche Intelligenz (KI) und maschinelles Lernen (ML) dies könnten gewöhnt sein an untersuchen Gene innerhalb der DNA, Informationen, die Klinikern helfen können, Herz-Kreislauf-Erkrankungen wie Vorhofflimmern und Herzinsuffizienz vorherzusagen.
Entsprechend der Zentren für die Kontrolle und Prävention von Krankheiten (CDC)Herzerkrankungen sind die häufigste Todesursache für Menschen der meisten ethnischen Gruppen in den USA und fordern alle 34 Sekunden das Leben einer Person.
Darüber hinaus stellte die Pressemitteilung fest, dass rund 50 Prozent der Patienten mit Herz-Kreislauf-Erkrankungen innerhalb von fünf Jahren nach einer Diagnose sterben, häufig aufgrund genetischer oder umweltbedingter Faktoren.
Die Weltgesundheitsorganisation schätzt jedoch auch, dass laut der Rutgers-Studie über 75 Prozent der vorzeitigen Herz-Kreislauf-Erkrankungen vermeidbar sind veröffentlicht in Genomics.
„Das rechtzeitige Verständnis und die präzise Behandlung von Herz-Kreislauf-Erkrankungen werden letztendlich Millionen von Menschen zugute kommen, indem das hohe Sterblichkeitsrisiko gesenkt und die Lebensqualität verbessert wird“, sagte Zeeshan Ahmed, PhD, Mitglied der Kernfakultät am Rutgers Institute for Health, Health Care Policy and Ageing Research (IFH) und Erstautor der Studie, in einer Pressemitteilung.
Um die Früherkennung und Behandlung von Herz-Kreislauf-Erkrankungen voranzutreiben, verwendeten die Forscher von Rutgers KI- und ML-Modelle, um Gene zu identifizieren, die möglicherweise in Zusammenhang mit Herz-Kreislauf-Erkrankungen stehen.
Die Forscher analysierten gesunde Patienten und Patienten mit Herz-Kreislauf-Erkrankungen. Sie verwendeten KI- und ML-Modelle, um den Zusammenhang zwischen Genen und verschiedenen Manifestationen der Krankheit, einschließlich Vorhofflimmern und Herzinsuffizienz, zu bestimmen.
Sie identifizierten eine Gruppe von Genen, die mit Herz-Kreislauf-Erkrankungen in Verbindung stehen. Sie fanden auch heraus, dass Alters-, Geschlechts- und Rassenfaktoren zu Herz-Kreislauf-Erkrankungen beitrugen. Insbesondere Alter und Geschlecht korrelierten mit Herzinsuffizienz, und Alter und Rasse waren wichtigere Faktoren bei Vorhofflimmern.
„Mit der erfolgreichen Ausführung unseres Modells haben wir die Assoziation hochsignifikanter Gene für Herz-Kreislauf-Erkrankungen vorhergesagt, die an demografische Variablen wie Rasse, Geschlecht und Alter gebunden sind“, sagte Ahmed in einer Pressemitteilung.
Die Forscher stellten fest, dass weitere Forschungen vollständige Gensätze bei Patienten mit Herz-Kreislauf-Erkrankungen überprüfen sollten, da diese Informationen wertvolle Informationen zu Biomarkern und Risikofaktoren liefern können.
Dies ist das jüngste Beispiel für den Einsatz von KI zur Verbesserung der klinischen Versorgung.
Eine Studie vom September 2022 ergab, dass eine KI-basierte Screening-Strategie Elektrokardiogrammdaten verwenden könnte, um das Schlaganfallrisiko erfolgreich zu bestimmen.
Nach der Analyse von 1.003 Patienten, die an einer kontinuierlichen Überwachung teilnahmen, und 1.003 Patienten, die eine Standardversorgung erhielten, stellten die Forscher fest, dass ein KI-Algorithmus Vorhofflimmern bei sechs der 370 Patienten mit niedrigem Risiko und bei 48 von 633 Patienten mit hohem Risiko erkannte.
Aus diesen Ergebnissen schlossen die Forscher, dass das KI-geführte Screening-Tool die Erkennung von Vorhofflimmern effektiv erhöhte.
Andere Untersuchungen vom April 2022 ergaben, dass ein KI-System die Genauigkeit von Herzkrankheitsdiagnosen im Ultraschall verbesserte.
Forscher setzten ein KI-Modell Tausenden von gesunden und ungesunden Ultraschallbildern aus. Diese vom KI-Modell getroffenen Entscheidungen wurden dann weiterem Deep Learning unterzogen, um die Genauigkeit zu verbessern.
Nach dem nächsten Schritt, der Expertendiagnosen mit und ohne KI-Modellunterstützung umfasste, stellten die Forscher fest, dass die KI-basierten Entscheidungsdiagramme dazu beitrugen, die Diagnosegenauigkeit zu verbessern.
