Akuter Schlaganfall: mit künstlicher Intelligenz schneller zur Diagnose

Um bleibende Schäden nach einem Schlaganfall zu verhindern, muss vor allem schnell gehandelt werden. Wie intelligente Algorithmen die Interpretation zerebrovaskulärer Bildgebung unterstützen und die Diagnosestellung beschleunigen können, lesen Sie hier.

Beim Schlaganfall gilt: Je schneller die richtige Diagnose gestellt und die entsprechende Therapie eingeleitet wird, desto besser ist die Prognose für Patientinnen und Patienten.^1,2 Algorithmen zur computergestützten Bildanalyse (CAD, Computer-aided Diagnosis) werden schon seit den 1980er-Jahren verwendet.² In Kombination mit künstlicher, selbst lernender Intelligenz (KI) können sie ein enormes Potenzial entfalten.

Was kann KI schon heute?

Algorithmen, die auf künstlicher Intelligenz und „Machine Learning“ (ML) basieren, sind mittlerweile immer zuverlässiger in der Lage, Auffälligkeiten in der Bildgebung schneller und effizienter aufzufinden und genauere Diagnosen zu stellen. Das kann Patientinnen und Patienten letztendlich eine frühzeitige Therapie ermöglichen.^{2, 3}

In den folgenden Bereichen kann KI die Diagnosestellung bei einem akuten Schlaganfall unterstützen:^{2, 3}

• schnellere und genauere Identifikation/Quantifizierung des betroffenen Hirnbereichs
• Unterscheidung zwischen ischämischem und hämorrhagischem Schlaganfall
• Identifikation/Quantifizierung des ischämischen Kernbereichs, der Penumbra und des Kollateralflusses
• Lokalisierung von großen Gefäßverschlüssen (Large Vessel Occlusion; LVO)
• Identifikation/Quantifizierung von intrazerebralen Blutungen
• Entscheidungsunterstützung/digitale Zweitmeinung für Behandelnde
• Unterscheidung zwischen transluminalen Thromben und atherosklerotischen Plaques

KI-Unterstützung kann in vielen Bereichen der zerebrovaskulären Bildgebung hilfreich sein, unter anderem bei der Computertomografie (CT), der CT-Angiografie (CTA), der Magnetresonanztomographie (MRT) und der Perfusionsbildgebung.

 Wie gut sind KI-Algorithmen?

Damit die intelligenten Algorithmen zuverlässig funktionieren, müssen sie ausreichend mit Bildmaterial – zum Beispiel CT-Hirnscans – und den richtigen Interpretationen „gefüttert“ werden.

In Studien werden die Algorithmen dann mit den Einschätzungen und Diagnosen von Fachärztinnen und Fachärzten verglichen, wie die folgenden beiden Arbeiten zur Genauigkeit von KI zeigen.

Die Arbeitsgruppe um McLouth nutzte in einer retrospektiven, multizentrischen Studie bei 406 Patientinnen und Patienten mit hämorrhagischen und ischämischen Schlaganfällen die kommerzielle KI-basierte Software CINA^® (Avicenna.ai, La Ciotat, Frankreich). 156 Patientinnen und Patienten hatten laut den Diagnosen zweier Expertinnen und Experten einen großen Gefäßverschluss (LVO). Insgesamt klassifizierte der CINA^®-Algorithmus verglichen mit den Referenzdiagnosen der Fachleute vier Patientinnen und Patienten als falsch positiv und drei als falsch negativ. CINA^® wies dabei eine Sensitivität von 98,1 % (95%-Konfidenzintervall: 94,0–99,5) und eine Spezifität von 98,2 % (95%-Konfidenzintervall: 95,1–99,4) auf.⁴

Cui und Kollegen entwickelten einen 3D-basierten Algorithmus (Deep-Sym-3D-CNN), um eine frühzeitige und automatisierte Diagnose eines Schlaganfalls stellen zu können. Basierend auf den Diffusion-weighted-Imaging- und den Apparent-Diffusion-Coefficient-Scans untersuchten sie 190 Patientinnen und Patienten mit und ohne akutem ischämischem Schlaganfall. Verglichen mit der Referenz erreichte der Algorithmus eine Genauigkeit von 85 % und eine Area under the Curve von 0,850.⁵

Nadelöhr: CE-Zertifizierung für Medizinprodukte

Intelligente Algorithmen, die bei der Diagnosestellung unterstützen, sind als Medizinprodukte einzustufen. Für den europäischen Markt ist eine CE-Kennzeichnung Pflicht, die vielfältige Anforderungen an die KI stellt.⁶ Nach dem neusten Entwurf der EU-Kommission zur KI-Verordnung würden Medizinprodukte zukünftig als „Hochrisiko-KI“ eingestuft werden.⁷ Der Vorsitzende des Arbeitskreises Medizinischer Ethik-Kommissionen Prof. Dr. med. Georg Schmidt warnt deswegen vor einer Überregulierung. Zukünftige Forschung werde dadurch gehemmt und bereits entwickelte Algorithmen würden an der langwierigen Antragsstellung scheitern, befürchtet Prof. Schmidt.⁸ Unter anderem haben die Softwarepakete e-ASPECTS^® von Brainomix Ltd. (Oxford, UK), RAPID ASPECTS^® von iSchemaView (Menlo Park, USA) und Zebra Al1 von Zebra Medical Vision (Kibbutz Shefayim, Israel) die aktuell bestehenden Hürden bereits genommen.² Sollte der erwähnte Entwurf in Kraft treten, dürfte es laut Prof. Schmidt auf lange Sicht jedoch eher komplizierter als einfacher werden, KIs auf den Markt zu bringen.⁸

Was sind die Vor- und Nachteile der KIs?

Die Vorteile der neuen KI-Algorithmen zur automatisierten Analyse zerebrovaskulärer Bildgebung liegen auf der Hand: Durch die Software kann es zu einer Standardisierung und Beschleunigung der Diagnosestellung bei Schlaganfallpatientinnen und -patienten kommen.² Zudem kann die KI-gestützte Absicherung von Behandlungsentscheidungen zu einem schnelleren Therapiestart bei akutem Schlaganfall führen. Ein Nachteil kann darin liegen, dass sich Ärztinnen und Ärzte zu sehr auf die Software verlassen und selbst weniger wachsam bei der Interpretation der erhobenen Bilddaten sind.² Denn eines ist klar: Bei den Algorithmen handelt es sich nur um künstliche Intelligenz, die neben korrekten Interpretationen sowohl falsch positive als auch falsch negative Ergebnisse liefern kann. Daher sollten sie lediglich unterstützend und nicht als alleiniges Diagnose- oder Behandlungstool eingesetzt werden.²