– Nach Erhalt von 6,2 Millionen US-Dollar von den National Institutes of Health (NIH) wollen Forscher der Case Western Reserve University und des University Hospitals Cleveland Medical Center (UH) die Erkennung von Herz-Kreislauf-Erkrankungen mithilfe von Techniken der künstlichen Intelligenz (KI) und Computertomographie (CT) verbessern ) Kalziumbewertung.
Die Centers for Disease Control and Prevention (CDC) stellten fest, dass im Jahr 2020 etwa 697.000 Menschen in den USA an Herzerkrankungen starben. Erkrankungen im Zusammenhang mit Herzerkrankungen sind auch die Haupttodesursachen für Männer, Frauen und die meisten Rassengruppen in den USA, stellte die CDC fest.
Mit zwei Zuschüssen des NIH in Höhe von insgesamt 6,2 Millionen US-Dollar wollen Forscher der UH und der Case Western Reserve University ermitteln, wie KI-Ansätze, insbesondere maschinelle und Deep-Learning-Modelle, Klinikern bei der Vorhersage von Herz-Kreislauf-Erkrankungen helfen können.
Laut Pressemitteilung basiert die Finanzierung auf dem CLARIFY-Register. Diese UH-Bemühungen bieten den Mitgliedern der Gemeinschaft Risikofaktoren für Herzerkrankungen mit CT-Scan-Calcium-Score-Bewertungen, die genaue Vorhersagen für kardiovaskuläre Probleme sind.
„Mit Hilfe von KI und maschinellem Lernen werden diese Zuschüsse dazu beitragen, eine neue Ära der prädiktiven Gesundheitsanalyse einzuleiten, um die Risikobewertung zu automatisieren und, was noch wichtiger ist, Patienten zu befähigen, sich behandeln zu lassen, um ihr kardiovaskuläres Risiko zu verringern. Das multidisziplinäre Team, das wir hier zwischen Technik und Medizin zusammengestellt haben, ist absolut unerlässlich, um schwierige Probleme zu lösen“, sagte Sanjay Rajagopalan, MD, Leiter der Abteilung für kardiovaskuläre Medizin, akademischer und wissenschaftlicher Leiter des UH Harrington Heart & Vascular Institute und Co -Leiter der Studie, in der Pressemitteilung.
Die CT-Kalziumbewertung erfolgt durch einen CT-Scan des Brustkorbs eines Patienten, der es den Forschern ermöglicht, Informationen über den Kalziumspiegel in den Koronararterien zu sammeln. Diese Daten können Fachleuten dabei helfen, fundierte Entscheidungen zu Behandlungsvorschlägen zu treffen, die von der Verschreibung von Aspirin bis hin zu cholesterinsenkenden Medikamenten reichen können.
Die neuen Zuschüsse werden die Forschung unterstützen, die alle Aspekte der durch CT-Scans erhaltenen Kalziumdaten untersucht, einschließlich Verkalkungen im Herzen und Fettablagerungen um das Herz herum, um die Vorhersagen von Herz-Kreislauf-Erkrankungen zu verbessern.
Im Jahr 2017 starteten Rajagopalan, Daniel Simon, MD, und Robert Gilkeson, MD, ein kostenloses CT-Calcium-Scoring-Programm an der UH. Sie stellten fest, dass das Programm das Bewusstsein der Patienten für Herzrisiken schärfte und zur Selbstversorgung und zum Einsatz von Medikamenten ermutigte.
„Die klinischen Kollegen an den Universitätskliniken waren bei der Entwicklung des CT-Kalzium-Score-Programms und des CLARIFY-Registers vorausschauend, was für die klinische Gemeinschaft von Vorteil war“, sagte David Wilson, PhD, Robert-Herbold-Professor für Biomedizinische Technik (BME) bei Case Western Reserve , und Co-Leiter der Studie, in der Pressemitteilung. „Wir haben eine beträchtliche Menge an Daten, die im Laufe der Jahre gesammelt wurden und die KI untersuchen kann.“
Der Einsatz von KI zur Verbesserung der Erkennung und Behandlung verschiedener Erkrankungen wird immer häufiger.
Im August beispielsweise entwickelten Forscher des AI in Medicine Program des Brigham and Women’s Hospital einen Deep-Learning-Algorithmus zur Verbesserung der Strahlentherapie bei Lungenkrebs. Mit diesem KI-Modell wollten die Forscher nicht-kleinzellige Lungenkrebstumore innerhalb von CT-Scans identifizieren.
Nach dem Training und Testen des Modells baten sie Radioonkologen, Segmentierungsprozesse durchzuführen. Anschließend baten sie diese Ärzte, von anderen Anbietern oder dem KI-Modell erstellte Segmentierungen zu bewerten und zu bearbeiten.
Sie kamen zu dem Schluss, dass es keine großen Unterschiede in der Leistung zwischen Segmentierungen gab, die durch Zusammenarbeit zwischen Mensch und KI erstellt wurden, und Segmentierungen nur durch Menschen.
