Mit künstlicher Intelligenz Menschen mit Herzschwäche besser versorgen

Juniorprofessorin Sandy Engelhardt, Medizinische Fakultät Heidelberg der Universität Heidelberg, und Prof. Philipp Wild, Universitätsmedizin Mainz der Johannes Gutenberg-Universität Mainz, möchten mit ihrem interdisziplinären Projektteam die Versorgung und Behandlung für Menschen mit Herzschwäche verbessern. Die Carl Zeiss-Stiftung (CZS) fördert das Projekt mit ihrem Programm „CZS Durchbrüche“ ab Juli 2024 für sechs Jahre mit insgesamt fünf Millionen Euro. Ziel des Förderprogramms ist es, etablierte Forschungsschwerpunkte mit hoher Relevanz in Baden-Württemberg, Rheinland-Pfalz und Thüringen weiterzuentwickeln und international auszubauen. Projektpartner sind Arbeitsgruppen der Universitätskliniken sowie der Universitäten Heidelberg und Mainz aus den Fachbereichen Kardiologie, Bioinformatik, Sportmedizin, Epidemiologie, Medizintechnik, Pathologie und Rechtswissenschaften. Die Projektpartner sind zudem über das Deutsche Zentrum für Herz-Kreislauf-Forschung (DZHK) miteinander vernetzt.

Gesundheitsdaten von Tausenden Patienten trainieren die KI

Die Forschenden wollen eine KI mit den umfassenden Gesundheitsdaten von mehreren tausend Menschen mit Herz schwäche trainieren, um bisher verborge ne Zusammenhänge zu erkennen und in personalisierte Therapieempfehlungen ein fließen zu lassen. Als Anwendungsbeispiel für eine KI-gestützte Therapieempfehlung soll eine Bewegungstherapie-Studie angeboten werden, bei der die Teilnehmenden in ihrem Training von einem individuell angepassten Exoskelett unterstützt werden. Die Patientengruppe, um die es im Projekt geht, leidet an einer häufigen Form der chronischen Herzschwäche, bei der die linke Herzkammer zunehmend versteift, aber noch ausreichende Mengen Blut ausstoßen kann (erhaltene Ejektionsfraktion). Derzeit gibt es keine einheitlichen medikamentösen oder operativen Therapien, die die Veränderungen des Herzmuskels rückgängig machen und die Prognose der Betroffenen verbessern können.

Viele Faktoren beeinflussen Krankheitsverlauf und Therapieansprechen. Daher soll eine „multi-modale“ KI in der Fülle der Kombinationsmöglichkeiten nach wiederkehrenden Mustern und Zusammenhängen suchen, um Untergruppen mit möglichst einheitlichem Krankheitsverlauf zu identifizieren. „Multi-modal“ bedeutet, dass Patientendaten aus unterschiedlichen Quellen zusammengeführt und als Trainingsmaterial für die KI verwendet werden. Dabei handelt es sich um klassische Patientendaten wie Alter, Geschlecht, Vorerkrankungen und Blutwerte sowie um digitale Daten aus der Bildgebung, Gewebeanalysen und – falls vorhanden – genetische Informationen. „Die medizintechnischen und bioinformatischen Fortschritte, insbesondere in der maschinellen Erhebung und Analyse genetischer Daten, erlauben es uns, Patientinnen und Patienten auf Mikro- und Makroebene individuell zu charakterisieren“, erläutert Engelhardt, Projektsprecherin und Arbeitsgruppenleiterin an den Kliniken für Herzchirurgie sowie für Kardiologie, Angiologie und Pneumologie des Universitätsklinikums Heidelberg (UKHD).

Bewegungstherapie – wer profitiert? 

„In unserem Projekt geht es dabei konkret um die Frage, welche Betroffenen aufgrund welcher Merkmalskombination voraussichtlich von einer Bewegungstherapie profitieren werden. Wir hoffen, dass unser systemmedizinischer Ansatz mit vielen molekularen Daten es uns ermöglichen wird, den Verlauf der Erkrankung und die Mechanismen für den Erfolg einer Therapie besser zu verstehen“, so Wild, Leiter der Präventiven Kardiologie und Präventiven Medizin im Zentrum für Kardiologie der Universitätsmedizin Mainz. Bei der angebotenen Bewegungstherapie werden die Teilnehmenden in ihrer körperlichen Aktivität von einem Exosuit unterstützt: Ähnlich einem Außenskelett werden die Roboterelemente während des Trainings etwa an Armen, Beinen und Rumpf angelegt, übernehmen einen Teil des Kraftaufwands und steigern so die Mobilität. Während und nach Abschluss des Trainingsprogramms bewerten die Forschenden Verbesserungen der Lebensqualität ebenso wie Effekte auf molekularer bis zur makroskopischen Ebene. „Wir erhoffen uns durch die KI-Unterstützung, zukünftig Therapien sehr viel gezielter als bisher auswählen und auf ihren Nutzen hin bewerten zu können“, so Engelhardt. 

Quelle: Universitätsklinikum Heidelberg