Computermodelle prognostizieren Herzklappenleckagen bei Kindern

24. April 2024 – Forscher der University of Oklahoma (OU) haben Computermodelle entwickelt, die Herzklappenlecks bei Kindern vorhersagen und als Leitfaden für chirurgische Entscheidungen dienen sollen.

Diese Tools identifizieren die Form der Herzklappen eines Kindes, mögliche Schwachstellen und die Art und Weise, wie sich das Blut durch die Herzklappen bewegt. Dies kann es Ärzten ermöglichen, die zukünftige strukturelle Integrität des Herzens vorherzusagen und über mögliche chirurgische Schritte zu informieren, um unerwünschte Ergebnisse zu verhindern.

Die Forschung bringt Experten aus Kardiologie und biomedizinischer Technik zusammen, um die pädiatrische Herz-Kreislauf-Versorgung besser zu personalisieren.

„Das ist wirklich translationale Medizin“, sagte Harold Burkhart, MD, Kinderherzchirurg bei OU Health und Professor und Chefarzt für Herz-Kreislauf- und Thoraxchirurgie am OU College of Medicine, in der Pressemitteilung.

„Dank unserer multidisziplinären Zusammenarbeit verfügen wir über das nötige Wissen, um ein Rechenmodell zu erstellen, das über das hinausgeht, was wir sowohl mit 2D- als auch mit 3D-Echokardiogrammen sehen können.“ Es ermöglicht uns, einen Schritt weiter zu gehen und uns das Herz so vorzustellen, wie es im wirklichen Leben wäre, mit den Merkmalen jedes Einzelnen“, fuhr Burkhart fort. „Mit diesem Verständnis können wir testen, was passieren würde, wenn wir hier eine Naht anbringen oder dort ein Ventil festziehen – wird das Ventil dadurch zu stark beansprucht oder wird das Problem dadurch behoben? Es kann uns möglicherweise viel mehr Orientierung geben, bevor wir überhaupt in den Operationssaal gehen.“

MEHR LESEN: Der Ansatz des maschinellen Lernens sagt das Risiko einer Herzinsuffizienz voraus

Diese Forschung begann mit der Entwicklung von Modellen für das hypoplastische Linksherzsyndrom – einen Geburtsfehler, bei dem sich die linke Seite des Herzens eines Fötus nicht richtig bildet, was es erforderlich macht, dass die rechte Seite des Herzens Blut in die Lunge und den Rest pumpen muss Körper.

Kinder mit dieser Erkrankung müssen sich einer Reihe von drei Operationen am offenen Herzen unterziehen, um diesen Defekt zu korrigieren. Während diese ersten Operationen in der Regel erfolgreich sind, sind manchmal Folgeoperationen erforderlich, um undichte Ventile zu reparieren.

Das Gleiche gilt für Defekte des Atrioventrikularkanals – auch Loch im Herzen genannt.

Bei einem hypoplastischen Linksherzsyndrom leiden schätzungsweise etwa 25 Prozent der Kinder bereits im Vorschulalter an undichten Herzklappen. Bei Kindern mit atrioventrikulären Kanaldefekten kann es zwischen sechs Monaten und zwei Jahren nach der ersten chirurgischen Reparatur zu einer Klappenleckage kommen.

Die Gründe für eine Klappenleckage in diesen Fällen sind noch nicht vollständig geklärt, die Forscher wiesen jedoch darauf hin, dass die Folgeoperationen zur Behebung dieses Problems in der Regel nur halb so erfolgreich sind wie der ursprüngliche Eingriff. Wenn die Klappe nicht repariert werden kann, muss dem Kind außerdem möglicherweise eine mechanische Herzklappe eingesetzt werden, ein Vorgang, der potenziell schwerwiegende Risiken birgt.

MEHR LESEN: Deep-Learning-Tool könnte Ansätze der Präzisionsmedizin vorantreiben

Die Möglichkeit, Klappenschäden vorherzusagen, könnte einigen dieser Risiken entgegenwirken, aber aktuelle Techniken, die Chirurgen helfen, das Herz während der Operation zu betrachten – wie etwa das Aufblasen der Klappen –, sind begrenzt.

„Selbst mit einem 3D-Echokardiogramm ist es schwierig, die feineren Details der Klappen zu erkennen“, erklärte Dr. Arshid Mir, Kardiologe bei OU Health und außerordentlicher Professor für Kinderkardiologie am OU College of Medicine. „Die meisten Herzklappen ähneln Pringle-Chips – sie sind eckiger und haben hohe und tiefe Punkte. Wir möchten mehr über diese Klappen erfahren und versuchen, vorherzusagen, bei welchen Klappen bei der Geburt das Risiko besteht, dass sie undicht werden, wenn das Kind zwischen 1 und 5 Jahren alt ist, damit wir versuchen können, sie zum Zeitpunkt der Operation chirurgisch zu beheben erste Reparatur.“

„Wir bewegen uns in Richtung personalisierter Medizin“, fügte Mir hinzu. „Wie denken wir über jeden Patienten anders, anstatt einen Zustand als einzelne Krankheit zu betrachten? Was ist an der Anatomie dieses Kindes so einzigartig, dass es einem höheren Risiko für erneute Operationen ausgesetzt ist? Auf diese Weise werden wir auf dem Weg in die Zukunft über diese Krankheiten nachdenken.“

Die Rechenmodelle sind so konzipiert, dass sie 2D- und 3D-Echokardiogramme und andere Daten verwenden, um ihre Vorhersagen zu treffen, und das Forschungsteam möchte weiterhin Patientendaten hinzufügen, um die Tools im Laufe der Zeit zu verbessern.

„Durch dieses bildbasierte Rechenmodell möchten wir die fehlenden Informationen liefern – welche Patienten eine Klappenfunktionsstörung haben werden“, erklärte Chung-Hao Lee, PhD, ein ehemaliger OU-Forscher für biomedizinische Technik, jetzt an der University of California, Riverside. „Wenn wir besser verstehen können, welche Klappen Schwachstellen aufweisen und möglicherweise undicht werden, können Chirurgen ihre Operationen möglicherweise anders planen und Kardiologen möchten den Patienten nach der Operation möglicherweise genauer überwachen oder verfolgen.“

MEHR LESEN: Maschinelles Lernen charakterisiert die Herzfunktion und die Reaktion auf Medikamente

Diese Forschung ist der neueste Versuch, personalisierte Ansätze für die kardiovaskuläre Versorgung zu entwickeln.

Diese Woche berichteten Forscher der University of Virginia, dass ein maschinelles Lerntool das Risiko unerwünschter Folgen für Patienten mit fortgeschrittener Herzinsuffizienz mit reduzierter Ejektionsfraktion (HFrEF) genau bewerten und vorhersagen kann.

Das Forschungsteam betonte, dass bestehende Modelle über keine robuste Möglichkeit verfügen, fehlende Daten zu berücksichtigen oder invasive hämodynamische Daten einzubeziehen.

Das Modell soll diese Herausforderungen bewältigen, indem es entweder nur invasive Hämodynamik oder einen Funktionssatz verwendet, der nichtinvasive Hämodynamikdaten einbezieht, um das Patientenrisiko in fünf Kategorien vorherzusagen.