Koronare Herzerkrankung: KI identifiziert unterdiagnostizierte Personen

Bei der Diagnose der Koronaren Herzerkrankung (KHK) gibt es nicht nur Schwarz und Weiß. Die fortschreitende Erkrankung macht es vielmehr notwendig, einen quantitativen Marker zur Verfügung zu haben, der auch risikoärmere und bislang unterdiagnostizierte Patienten mit noch nur leichter Atherosklerose identifiziert. Einem solchen Marker sind nun Wissenschaftler von der Icahn School of Medicine at Mount Sinai in New York (USA) mithilfe von Künstlicher Intelligenz auf die Spur gekommen.

Die Entwicklung und Validierung des In-silico-Markers zur KHK-Vorhersage beruht auf einem maschinellen Lernmodell, das mit 95.935 elektronischen Gesundheitsdatensätzen gespeist wurde. Die Genauigkeit des In-silico-Scores für die KHK (ISCAD; Bereich 0 [geringste Wahrscheinlichkeit] bis 1 [höchste Wahrscheinlichkeit]) bewerteten die Forscher um Studienleiter Ron Do bei Teilnehmern zweier longitudinaler Biobank-Kohorten.

Davon stammten 35.749 aus der BioMe-Biobank (mittleres Alter 61 Jahre; 41% männlich; 14% mit diagnostizierter KHK) und 60.186 aus der UK-Biobank (mittleres Alter 62 Jahre; 42% männlich; ebenfalls 14% mit diagnostizierter KHK). Do und Kollegen maßen den Zusammenhang zwischen ISCAD und den klinischen Ergebnissen, das heißt Koronararterienstenose, obstruktive KHK, Mehrgefäßerkrankung, Gesamtmortalität und Folgeerkrankungen der KHK.

Das Modell prognostizierte die KHK mit einer AUROC von 0,95 (95%-KI 0,94–0,95; Sensitivität 0,94; 95%-KI 0,94–0,95; Spezifität 0,82; 95%-KI 0,81–0,83) und 0,93 (95%-KI 0,92–0,93; Sensitivität 0,90; 95%-KI 0,89–0,90; Spezifität 0,88; 95%-KI 0,87–0,88) in den BioMe-Validierungs- bzw. Holdout-Sets und 0,91 (95%-KI 0,91–0,91; Sensitivität 0,84; 95%-KI 0,83–0,84; Spezifität 0,83; 95%-KI 0,82–0,83) im externen Testset der UK Biobank. ISCAD erfasste das Risiko einer KHK anhand von bekannten Risikofaktoren, gepoolten Kohortengleichungen und polygenen Risikoscores.

Die Stenose der Koronararterien nahm quantitativ mit aufsteigenden ISCAD-Quartilen zu (Anstieg/Quartil um 12 Prozentpunkte), einschließlich des Risikos einer obstruktiven KHK, einer Mehrgefäßerkrankung und einer Stenose der Hauptkoronararterien. Die HRs und die Prävalenz von Todesfällen aller Art stiegen schrittweise über die ISCAD-Dezile an (Dezil 1: HR 1,0; 95%-KI 1,0–1,0; 0–2% Prävalenz; Dezil 6: HR 11; 95%-KI 3,9–31; 3,1% Prävalenz; und Dezil 10: HR 56; 95%-KI 20–158; 11% Prävalenz). Ein ähnlicher Trend wurde für rezidivierende Myokardinfarkte beobachtet. Klinische Hinweise auf eine KHK gemäß US-amerikanischer Richtlinien von 2014 hatten 12 (46%) nichtdiagnostizierte Personen mit hoher ISCAD (≥0,9).

Fazit
Mithilfe von maschinellem Lernen auf der Grundlage elektronischer Gesundheitsdaten wurde ein In-silico-Marker für die Koronare Herzkrankheit entwickelt, welcher Atherosklerose und das Sterberisiko in einem kontinuierlichen Spektrum nichtinvasiv quantifizieren und unterdiagnostizierte Personen identifizieren kann. (ah)

Autoren: Forrest IS et al.
Korrespondenz: Ron Do; [email protected]
Studie: Machine learning-based marker for coronary artery disease: derivation and validation in two longitudinal cohorts
Quelle: Lancet 2023;401(10372):215–225.
Web: https://doi.org/10.1016/S0140-6736(22)02079-7