von
Philip Hempel von der Arbeitsgruppe "Biosignalverarbeitung" am Institut für Medizinische Informatik der Universität Göttingen und seine Co-Autoren haben ihre Forschungsergebnisse in der Fachzeitschrift "npj Digital Medicine" vorgestellt (https://doi.org/10.1038/s41746-024-01428-7). Menschen mit einer erhöhten Gefährdung durch Herz-Kreislauf-Erkrankungen werden derzeit am ehesten über Laborparameter (z.B. erhöhte Cholesterinwerte), Blutdruck und Lebensstilfaktoren wie Rauchen, Ausmaß der körperlichen Bewegung identifiziert.
Den deutschen Wissenschaftern ging es hingegen darum, vergleichsweise einfach und täglich millionenfach erhobene medizinische Befunde - Elektrokardiogramme (EKGs) - dafür zu benutzen. Im Einzelnen versuchten sie, das individuelle "Herzalter" per EKG zu bestimmen und in Relation vom chronologischen Alter zu stellen.
"Das Alter beeinflusst das Zwölf-Kanal-Elektrokardiogramm (EKG) und korreliert mit Herz-Kreislauf-Erkrankungen (CVD) (...) ", schrieben die Wissenschafter. "Ein EKG misst die elektrische Aktivität des Herzens und liefert so nicht nur Hinweise auf akute Herzerkrankungen, sondern auch auf subtile Veränderungen, die mit chronischen Krankheiten und dem Alter einhergehen. Veränderungen der EKG-Muster über die Zeit können Veränderungen der Herzstruktur und -funktion widerspiegeln."
Dabei geht es vor allem um die Feststellung von zwei Faktoren, an denen sich das "Herzalter" ablesen lässt: Mit zunehmenden Jahren vergrößert sich der Herzmuskel (Hypertrophie der Herzkammern), weil das Organ den Widerstand mit der Zeit steifer werdender Blutgefäße überwinden muss. Als zweiter Faktor kommt noch die eine Vermehrung von Bindegewebe im Herzen hinzu.
Beide Umstände führen zu Veränderungen im EKG, die natürlich nicht so dramatisch wie die Zeichen eines akuten Herzinfarkts etc. sind, doch über die Zeit hinweg aussagekräftig sein können, wenn man sie analysiert und die fraglichen Muster erkennt. Dazu sind Artificial Intelligence-Systeme bereits in der Lage. Die Wissenschafter: "Seit kurzem sind auf Künstlicher Intelligenz basierende Elektrokardiografiemodelle (KI-EKGs) verfügbar, die Zwölf-Kanal-EKGs verarbeiten und das biologische Alter eines Patienten, das sogenannte EKG-Alter, vorhersagen. Die Differenz zwischen dem vorhergesagten EKG-Alter, d.h. dem biologischen Alter (...), und dem tatsächlichen chronologischen Alter könnte als neuer Biomarker für das Herz-Kreislauf-Risiko dienen (...)."
Die deutschen Wissenschafter untersuchten die Aussagekraft eines KI-EKG-Analysesystems, das ursprünglich mit Daten von brasilianischen Patienten trainiert worden war. Dann fütterten sie das System mit den EKG-Informationen von Probanden der deutschen "Pomeriana"-Gesundheitsstudie. Es handelt sich dabei um eine Langzeitbeobachtung mit insgesamt mehr als 15.000 Personen im Alter zwischen 20 und 79 Jahren in der Region von Mecklenburg-Vorpommern, einer Laufzeit von bis zu 20 Jahren und regelmäßigen Untersuchungen.
Das Hauptergebnis: Mit mehreren erfassten und ausgewerteten EKG-Aufzeichnungen konnte das KI-System durch die Identifizierung eines bei Gefährdeten um den Faktor 1,63 erhöhten Sterberisikos ziemliche genau jene Menschen herausfiltern. Das war mit einer schnelleren Herzalterung assoziiert.
Hempel und seine Co-Autoren: "Patienten, deren EKG-Alter ihr chronologisches Alter um mehr als acht Jahre überstieg, wiesen ein höheres Risiko für Mortalität oder Herz-Kreislauf-Erkrankungen auf, während Patienten mit einem EKG-Alter, das mindestens acht Jahre unter ihrem chronologischen Alter lag, ein geringeres Risiko aufwiesen."
Die Studie zeige, dass KI in der Lage sei, anhand von EKG-Daten die im Vergleich zu Akuterkrankungen unterschwellig verlaufende Herzalterung nachzuweisen. Dies könnte eine frühzeitige Identifikation von Risikopersonen und eine personalisierte Vorsorge ermöglichen.
WIEN - ÖSTERREICH: FOTO: APA/GEORG HOCHMUTH
