Projektförderung: Bessere Ergebnisse bei Vorhofflimmer-Ablation dank Künstlicher Intelligenz

Die Deutsche Herzstiftung fördert ein innovatives Forschungsprojekt, das den Erfolg einer Katheterablation bei Vorhofflimmern mittels KI-basierter EKG-Analyse genauer vorhersagen soll. Die neue Technik entwickeln das Helios Health Institute und das Herzzentrum Leipzig.

Das von der Herzstiftung mit 92.800 Euro geförderte Projekt trägt den Namen ACCELERATE. Darin sollen EKG-basierten Vorhersagemodelle entwickelt werden, mit deren Hilfe sich der Erfolg einer Vorhofflimmer-Ablation bzw. das Risiko für ein Arrhythmie-Rezidiv nach Ablation sowie linksatriales Remodeling verlässlich voraussagen lassen. Das Forschungsvorhaben leiten Dr. Sebastian König, Funktionsoberarzt der Abteilung Rhythmologie am Herzzentrum Leipzig, und Prof. Andreas Bollmann, Geschäftsführer und Medizinischer Direktor am Helios Health Institute sowie Leitender Oberarzt am Herzzentrum Leipzig.

Hintergrund des Projektes ist, dass die Ablation zwar als die effektivste Behandlungsmöglichkeit gilt, um eine langfristige Wiederherstellung des Sinusrhythmus zu erreichen. Dennoch kommt es bei einem Teil der Patienten auch nach der Ablation erneut zu Vorhofflimmern. Aus diesem Grund ist es wichtig, innovative Methoden zu erforschen, mit denen sich der Therapieerfolg abschätzen und eine optimale Auswahl geeigneter Patienten treffen lässt.

Der Deutschen Herzstiftung zufolge werden die Forscher in ihrem aktuellen Vorhaben vorhandene Registerdaten des Herzzentrums Leipzig mit Routinedaten aus der klinischen Versorgung und weiteren Datenquellen wie der digitalen EKG-Datenbank „Leipzig Heart Center Atrial Fibrillation Ablation Registry“ ergänzen und umfassend hinsichtlich auftretender Muster analysieren. Ziel ist die Entwicklung von Vorhersagemodellen, die mithilfe Künstlicher Intelligenz (KI) zu einer umfassenden Analyse von Standard-12-Kanal-EKGs in der Lage sind. Bisher fanden EKG-basierte Parameter aufgrund der methodisch gesetzten Grenzen nur unter Einbeziehung einzelner Werte Eingang in derartige Analysen. „In den letzten Jahren hat die Auswertung von Oberflächen-12-Kanal-EKGs mithilfe von KI beziehungsweise Modellen des maschinellen Lernens immer mehr an Bedeutung gewonnen“, berichtet König und betont: „Der Einsatz dieser Technologien könnte die Vorhersage von Umstrukturierungsprozessen am Vorhof des Herzens weiter verbessern.“ Erste Studien zur Annäherung der Vorhofgröße hätten das bereits zeigen können.

Neue Vorhersagemodelle zur Risikoeinschätzung nach einer Ablation

Die Methodik für die auf KI- bzw. maschinellem Lernen(ML)-basierte Datenanalyse wurde von einem interdisziplinären Team um Bollmann etabliert. Sie soll die wenigen genauen klinischen Variablen und Scores, die bisher genutzt wurden, um die Effektivität des Herzrhythmuserhalts nach einer Ablation einzuschätzen, zukünftig ablösen. Das geförderte Forschungsprojekt hat laut Herzstiftung ein positives Votum der lokalen Ethikkommission erhalten und kann somit mit der Integration der verschiedenen digitalen Datenquellen in eine Studiendatenbank beginnen.

Für die unterschiedlichen Fragestellungen (Vorhersage von: Größe des linken Vorhofs, Vorhandensein von Low-Voltage-Arealen, Risiko für ein Arrhythmie-Rezidiv), werden unterschiedliche Selektionskriterien eingesetzt und die entsprechenden Datensätze für die ML-basierte Entwicklung von Vorhersagemodellen herangezogen. Eine externe Validierung der auf diese Weise entstandenen Modelle ist u. a. in Kooperation mit der Vanderbilt Universität, Nashville (USA) geplant. Ein Vergleich mit vorhandenen klinischen Vorhersagevariablen soll schließlich Aufschluss über die statistische Genauigkeit liefern. Wenn sich die neu entwickelten Modelle als verlässlich und genau herausstellen, würde dies einen wichtigen Schritt hin zu einer individualisierten Therapieentscheidung für Patienten mit Vorhofflimmern bedeuten, welcher lediglich einer schmerzfreien, günstigen und überall verfügbaren Basisdiagnostik bedarf.