KI kombiniert EKG und Bluttests, um Abstoßung nach Herztransplantation zu erkennen
Künstliche Intelligenz, die Aufzeichnungen des Herzrhythmus gemeinsam mit Bluttests auswertet, kann eine Abstoßung nach einer Herztransplantation offenbar zuverlässig erkennen. Das zeigt eine Studie unter Leitung von Forschenden von NYU Langone Health. Der Ansatz könnte die Zahl invasiver Biopsien verringern, die bislang als Goldstandard der Diagnose gelten.
- Forschende der NYU Langone trainierten eine KI mit EKG-Aufzeichnungen und zwei Bluttests, um Abstoßungen nach Herztransplantation zu erkennen.
- Die Modelle wurden mit 5.300 EKG-Aufzeichnungen von 2.357 erwachsenen Herztransplantierten trainiert.
- In einer Testgruppe von 38 Transplantierten erkannte das kombinierte Modell 94 Prozent der Patientinnen und Patienten ohne Abstoßung korrekt.
- Das auf Bluttests basierende Modell stufte 19 Personen fälschlicherweise als mögliche Biopsiefälle ein, was das kombinierte Modell vermieden hätte.
- Die Forschenden wollen das Modell an mehr Patientinnen und Patienten in mehreren Transplantationszentren testen.
Eine Alternative zur Biopsie
Ärztinnen und Ärzte diagnostizieren eine Abstoßung nach einer Herztransplantation derzeit per Biopsie. Dabei wird ein kleines Stück Herzmuskel operativ entnommen und unter dem Mikroskop auf Entzündungen und andere Veränderungen untersucht, die darauf hindeuten können, dass das Immunsystem das Organ abstößt.
Das Team der NYU Langone verfolgte einen anderen Weg. Die Forschenden gingen der Frage nach, ob sich Elektrokardiogramme (EKG), die die elektrische Aktivität des Herzens über Sensoren auf der Haut aufzeichnen, mit Bluttests kombinieren lassen, um eine Abstoßung in vielen Fällen ohne invasive Biopsie zu erkennen.
So wurden die Modelle entwickelt und getestet
Die Forschenden trainierten KI-Modelle darauf, Muster in 5.300 EKG-Aufzeichnungen von 2.357 erwachsenen Herztransplantierten zu erkennen. Ein Modell wurde allein mit EKG-Daten trainiert. Ein weiteres nutzte zusätzlich die Ergebnisse zweier Bluttests, die häufig zur Vorhersage des Abstoßungsrisikos eingesetzt werden. Als Maßstab für die Genauigkeit dienten Biopsiebefunde, die den EKG-Aufzeichnungen derselben Patientinnen und Patienten zugeordnet waren.
Das kombinierte Modell wurde mit Daten von Transplantierten trainiert, die zwischen 2018 und 2024 behandelt wurden. Jedes EKG wurde einer Biopsie zugeordnet, die innerhalb des vorangegangenen Monats durchgeführt worden war. Dieses Zeitfenster stützt sich nach Angaben der Forschenden auf frühere Untersuchungen. Die Abstoßungen wurden in zwei Gruppen eingeteilt: keine oder leichte Abstoßung sowie mittelschwere oder schwere Abstoßung. Die Behandlung, etwa die Anpassung immunsuppressiver Medikamente, wird in der Regel nur bei den schwereren Fällen geändert.
In einer Testgruppe von weiteren 38 Herztransplantierten, Männern wie Frauen, schnitt das kombinierte Modell besser ab: Es identifizierte 94 Prozent der Patientinnen und Patienten korrekt, bei denen keine Abstoßung vorlag. Das auf Bluttests basierende Modell stufte dagegen 19 Personen fälschlicherweise als möglichen Biopsiefall ein. Das kombinierte Modell hätte diesen Patientinnen und Patienten den Eingriff nach Angaben der Forschenden erspart.
Warum Biomarker im Blut allein nicht genügen
Die Biomarker im Blut messen die Aktivität von Genen, die mit zellulärer Abstoßung zusammenhängen, sowie Fragmente der Spender-DNA im Blutkreislauf der Empfängerin oder des Empfängers. Frühere Arbeiten haben gezeigt, dass sie Abstoßungen gut aufspüren, aber häufig falsch-positive Ergebnisse liefern, die zu unnötigen Biopsien führen, so die Forschenden.
Die am 25. September im Journal of Heart and Lung Transplantation online veröffentlichte Studie kombiniert nach Angaben der Forschenden erstmals diese Blut-Biomarker mit EKG-Aufzeichnungen in einem einzigen KI-gestützten Modell und vergleicht die Auswertung direkt mit den Biopsieergebnissen.
Der Seniorautor Lior Jankelson, MD, PhD, von der NYU Grossman School of Medicine und der NYU Tandon School of Engineering, sagte: „Unsere Ergebnisse zeigen, dass Elektrokardiogramme eine Fülle physiologischer Informationen enthalten, mit denen sich die Genauigkeit der Erkennung deutlich verbessern lässt. So werden eine frühere Diagnose und Behandlung für Patientinnen und Patienten mit Abstoßung eines Herztransplantats möglich.“
Wie es weitergeht
Die Ergebnisse stammen aus einer relativ kleinen Testgruppe von 38 Transplantierten. Als nächsten Schritt wollen die Forschenden ihr Modell an mehr Patientinnen und Patienten in mehreren Transplantationszentren testen. Die Studie wurde von NYU Langone finanziert.
Dr. Jankelson sagte: „Eine Herztransplantation ist ein großer, ressourcenintensiver Eingriff, und eine Abstoßung ist häufig, aber behandelbar, wenn sie rechtzeitig erkannt wird.“ Die Kombination aus der breiten Verfügbarkeit von EKGs und der Unterstützung durch KI könne „helfen, Abstoßungen früher zu erkennen und mehr Leben zu retten“. Bestätigt sich der Ansatz in größeren Gruppen, könnte er für Transplantierte ohne Abstoßung weniger Biopsien bedeuten.
PR Newswire: AI May Help Catch Heart Transplant Rejection Without Biopsies
