KI-basierte Prognose auf der Intensivstation: Entscheidrelevante Muster in EEG von Koma-Patienten identifiziert



Teilen: 

18.09.2019 10:17

KI-basierte Prognose auf der Intensivstation: Entscheidrelevante Muster in EEG von Koma-Patienten identifiziert

Zuverlässige Prognosen bei Koma-Patientinnen und -Patienten auf der Intensivstation sind essentiell. Künstliche Intelligenz (KI) zur Unterstützung der Prognosestellung wird an Bedeutung gewinnen, wenn deren Transparenz verbessert werden kann. Erstmals ist es nun einem Forschungsteam gelungen, bestimmte Muster zu identifizieren, die das Deep-Learning-Netzwerk seinen Prognose-Entscheiden aufgrund von Elektro-Enzephalogramm (EEG)-Analysen zugrunde legt. Damit ist ein wichtiger Schritt zur Entschlüsselung der «Black Box» des Deep-Learning-Prozesses und damit zur Trans-parenz der KI getan.

Die Mehrheit der Sterbefälle von Koma-Patientinnen und -Patienten nach Herzstillstand in In-tensivstationen erfolgen nach Abbruch der Lebenserhaltungsmassnahmen. Als Progno-seinstrument dienen unter anderem die EEG. Mehrere Arbeiten weisen darauf hin, dass mit KI zuverlässige Prognosen zur Unterstützung der entscheidenden Ärztinnen und Ärzte gestellt werden können. Eine verbreitete Zurückhaltung gegenüber KI-Prognosen ist unter anderem da-rauf zurückzuführen, dass bis anhin die Deep-Learning-Netzwerke keinen Hinweis darauf ga-ben, welche Informationen ihren Entscheiden zugrunde lagen und somit nicht klar war, welche Sachverhalte zu einer bestimmten Prognose führten.

Durchbruch bei der Interpretation von Elektroenzephalogrammen (EEG)

Literature advertisement

Plötzlich gesund

Fortschreitende Naturerkenntnis, ganz allgemein gesprochen, ‘Wissenschaft’, ist der stärkste Feind des medizinischen Wunders. Was unseren Vorfahren als Wunder erschien, was einfache Naturvölker heute noch in heftige Erregung versetzt, das berührt den zivilisierten Menschen längst nicht mehr.
Doch es gibt einen Gegensatz, der jedem Denkenden sofort auffällt: der unerhörte, durchaus nicht abgeschlossene Aufstieg der wissenschaftlichen Heilkunde und die ebenso unerhörte Zunahme der Laienbehandlung und der Kurpfuscherei. Man schätzt die Zahl der Menschen, die der Schulmedizin kein Vertrauen schenken, auf immerhin 50 Prozent.
Wie kann es sein, daß Laienbehandler und Kurpfuscher immer wieder spektakuläre Erfolge aufweisen, von denen die Sensationspresse berichtet?
Der Autor geht dieser Frage nach und kommt zu interessanten Erkenntnissen, aus denen er Vorschläge für eine bessere Krankenbehandlung durch seine ärztlichen Standesgenossen ableitet.

Hier geht es weiter …

Einem multidisziplinären Forschungsteam aus dem Schlaf-Wach-Epilepsie-Zentrum (SWEZ) der Universitätsklinik für Neurologie des Inselspitals (F. Zubler), der Computer Vision Group des In-stituts für Informatik der Universität Bern (S. Jonas, S. Jenni, und P. Favaro) sowie der Kliniken für Neurologie (A. Rossetti) und Intensivmedizin (M. Oddo) des Lausanner Centre hospitalier universitaire vaudois (CHUV) ist es nun gelungen, wichtige, entscheidrelevante Muster in EEG von Koma-Patientinnen und -Patienten zu identifizieren. Das Team legte seinen Studien klini-sche Standard-EEG-Aufzeichnungen von 267 Erwachsenen aus dem CHUV zugrunde.
Ein Neurales Netzwerk (Convolutional Neural Network CNN) analysierte die EEG in der frühen Betreuungsphase nach dem Herzstillstand. Mit Hilfe einer speziellen Visualisierungsmethode, dem sogenannten GradCAM-Algorithmus wurden darauf diejenigen Bereiche der EEG identifi-ziert, die das CNN für seine positiven oder negativen Prognosen verwendet hatte.

Fachleute und KI verwenden gleiche Muster

Der Studienleiter Dr. Dr. med. F. Zubler betont: «Für die ärztliche Tätigkeit in der Intensivstation werden KI-unterstützte Entscheide in Zukunft immer wichtiger. Wenn wir diese Unterstützung transparent und nachvollziehbar machen, können wir auch in ethischer Hinsicht solidere Ent-scheide fällen». Ein zentrales Resultat der Studie war: die gewählte Visualisierungsmethode konnte einen Teil des Deep-Learning-Prozesses entschlüsseln. Bestimmte EEG-Muster konn-ten identifiziert werden, welche die Maschine ihren Entscheidungen zugrunde legte. Interessan-terweise verwendet KI oft die gleichen Muster, die die Neurologen bei Prognose-Entscheiden in der klinischen Tätigkeit verwenden.

KI wird bei Entscheiden in der Intensivstation immer wichtiger

Die Studie zeigt, dass KI weiter an Bedeutung gewinnen kann. Dank des neuen Ansatzes kann mehr Transparenz in die Deep-Learning-Anwendungen gebracht werden, indem die Prognose-werte neu auf einer nachvollziehbaren Erklärung beruhen. Dies ist auch für die ethische Ebene der gefällten Entscheide von grösster Bedeutung.


Wissenschaftliche Ansprechpartner:

– Dr. med., Dr. sc. nat. Frédéric Zubler, Inselspital, Universitätsspital Bern

– Medienstelle Insel Gruppe, +41 31 632 79 25, kommunikation@insel.ch


Anhang

attachment icon KI-basierte Prognose auf der Intensivstation

Merkmale dieser Pressemitteilung:
Journalisten, Studierende, Wissenschaftler
Mathematik, Medizin
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Deutsch


Quelle: IDW