Schwere Fälle dieser Erkrankung rasch zu erkennen und zu behandeln sei wichtig, schrieb die Eidgenössische Technische Hochschule in Zürich (ETH Zürich) in einer Mitteilung vom Mittwoch. Denn je eher eine Therapie erfolge, desto besser seien die Aussichten für das neugeborene Kind.
Bei der pulmonalen Hypertonie bleiben die Lungenarterien nach der Geburt verengt oder verschliessen sich in den ersten Tagen oder Wochen nach der Geburt wieder. Bei Neugeborenen kann dies zu starker Atemnot führen. Bei der Behandlung werden die Arterien zur Lunge durch die Gabe von hochkonzentriertem Sauerstoff geöffnet.
Das Problem: Diese Krankheit zu erkennen, sei sehr aufwendig und erfordere viel Erfahrung, so die ETH Zürich. Das spezifische Know-how sei oft nicht vorhanden.
Um Abhilfe zu schaffen, haben die Forschenden der ETH Zürich zusammen mit Forschenden der Kuno Klinik St. Hedwig in Regensburg D ein KI-Modell mit Videoaufnahmen von Herz-Ultraschalluntersuchungen von 192 Neugeborenen trainiert. Dem so trainierten Modell gelang es anschliessend, in rund 80 bis 90 Prozent der Fälle, die richtige Diagnose vorzuschlagen und in rund 65 bis 85 Prozent der Fälle den korrekten Schweregrad der Erkrankung zu bestimmen, wie aus der Studie im Fachblatt «International Journal of Computer Vision» hervorgeht.
Die Diagnose stelle aber immer noch ein Mensch, betonte die Entwicklerin Julia Vogt von der ETH Zürich. Laut der Professorin für medizinische Datenwissenschaft ist deshalb wichtig, dass Menschen nachvollziehen können, aufgrund welcher Kriterien die KI ihre Entscheidungen trifft.
Das neue KI-Modell erlaube dies. Es markiere in den Ultraschallbildern diejenigen Bereiche, aufgrund derer es seine Einteilung getroffen hat. Ärztinnen und Ärzte können sich also genau anschauen, welche Stellen oder Eigenschaften des Herzens und seiner Gefässe dem Modell auffällig erschienen. (SDA)