Bei Kardiale Amyloidose handelt es sich um eine folgenschwere Erkrankung, bei der sich abnormale Proteine (Amyloide) im Herzmuskel ansammeln und die Herzfunktion beeinträchtigen. Die Erkrankung kann unbehandelt zu schwerwiegenden Komplikationen wie z. B. Herzinsuffizienz und in vielen Fällen zum Tod führen. Daher ist eine frühe Diagnose für einen rechtzeitigen Therapiebeginn unerlässlich. Im Zuge der Forschungsarbeit unter der Leitung von Christian Nitsche (Universitätsklinik für Innere Medizin II der MedUni Wien) und Marcus Hacker (Universitätsklinik für Radiologie und Nuklearmedizin der MedUni Wien) wurde ein neues KI-Tool geschaffen, das die kardiale Amyloidose im Rahmen einer Szintigrafie automatisiert erkennen und somit die Diagnosestellung entscheidend beschleunigen kann.
Szintigrafie ist ein nuklearmedizinisches Verfahren, das u. a. für die Diagnose von Krebs, Schilddrüsen-, Nieren- oder Herzerkrankungen zum Einsatz kommt. Das neue KI-System wurde anhand der Datensätze von 16.000 Patient:innen entwickelt und validiert, die in neun Institutionen in Europa und Asien, darunter das AKH Wien, zwischen 2010 und 2020 eine Untersuchung mittels Szintigrafie-Bildgebung erhalten hatten.
Im Rahmen der groß angelegten Studie wurde die KI-Anwendung nicht nur entwickelt, sondern auch auf Genauigkeit im Vergleich zur diagnostischen Leistung von Ärzt:innen überprüft. "Dabei haben wir festgestellt, dass das System kardiale Amyloidose durchgehend mindestens ebenso zuverlässig erkennen kann wie medizinische Expert:innen", so die Erstautoren Clemens Spielvogel und David Haberl von der Universitätsklinik für Radiologie und Nuklearmedizin der MedUni Wien.
Zudem wurden auch mögliche Übereinstimmungen der Diagnosestellungen des KI-Systems mit dem Auftreten von Herzversagen und dem Sterberisiko vom Forschungsteam untersucht. Es zeigte sich, dass Szintigrafiepatient:innen, bei denen das KI-System eine kardiale Amyloidose vorhersagt, ein doppelt so hohes Sterberisiko und ein mehr als 17-fach erhöhtes Risiko für Herzversagen haben als Patient:innen ohne entsprechendes Ergebnis.
Die Forschungsergebnisse wurden im Journal The Lancet Digital Health publiziert.