Helmholtz Munich / Valentin Koch

KI überprüft Stentimplantate präzise

Künftig könnte bei der Nachsorge von implantierten Stents ein KI-basierter Algorithmus eingesetzt werden, der den Heilungsprozess automatisch überwacht. Entwickelt wurde DeepNeo von Forschern in München.

ANZEIGE

Sind Blutgefäße durch Herzerkrankungen verengt, werden Stents eingesetzt, damit das Blut wieder ungehindert fließen kann. Bisher ist die Überwachung des Heilungsprozesses aufwendig und zeitintensiv, denn dafür müssen intravaskuläre optische Kohärenztomographie (OCT)-Bilder manuell ausgewertet werden. Dieser Vorgang könnte nun mit Hilfe eines KI-Algorithmus erheblich beschleunigt werden, den ein Forscherteam von Helmholtz Munich und dem TUM Klinikum entwickelt hat. Er kann den Heilungsprozess anhand von OCT-Bildern automatisch beurteilen. Dabei ist DeepNeo ebenso präzise wie medizinische Fachkräfte, aber viel schneller. Das KI-Tool gibt außerdem Auskunft zur Gewebedicke und zur Abdeckung des Stents.

„Mit DeepNeo erreichen wir eine automatisierte, standardisierte und äußerst präzise Analyse der Stent- und Gefäßheilung – etwas, das bislang nur durch aufwendige manuelle Auswertung möglich war“, so Valentin Koch, Erstautor der Studie, in der der Algorithmus vorgestellt wurde.

DeepNeo wurde mit 1.148 OCT-Bildern aus 92 Patientenscans trainiert, die manuell annotiert wurden, um verschiedene Formen des Gewebewachstums zu klassifizieren. Anschließend wurde der KI-Algorithmus in einem Tiermodell getestet: Das KI-Tool identifizierte krankhaftes Gewebe in 87 Prozent der Fälle korrekt, verglichen mit der detaillierten Laboranalyse, dem aktuellen Goldstandard. Auch bei der Auswertung menschlicher Scans zeigte DeepNeo eine hohe Präzision und stimmte eng mit den Einschätzungen medizinischer Fachkräfte überein.

„DeepNeo zeigt, wie maschinelles Lernen Ärztinnen und Ärzte dabei unterstützen kann, schneller und fundierter Therapieentscheidungen zu treffen. Der nächste Schritt besteht nun darin, KI-Algorithmen wie DeepNeo gezielt in die klinische Praxis zu integrieren“, erklärt Dr. Carsten Marr, Direktor des Institute of AI for Health bei Helmholtz Munich.

Das Projekt wurde mit einem Helmholtz Innovation Grant gefördert, eine Patentanmeldung ist bereits eingereicht. Nun werden potentielle Industriepartner gesucht.

SIE MÖCHTEN KEINE INFORMATION VERPASSEN?

Abonnieren Sie hier unseren Newsletter