Künstliche Intelligenz angewandt bei koronarer Herzkrankheit - Cardioexplorer

Transkript

1 Kardiologie Künstliche Intelligenz angewandt bei koronarer Herzkrankheit - Cardioexplorer Michael J. Zellweger, MD, Professor of Cardiology, Cardiology Department, University Hospital Basel, Switzerland; michael.zellweger@usb.ch

2 Conflict of interest Advisory Board Member of EXPLORIS, Switzerland

3 Brustschmerzen - ist es das Herz?

4 Brustschmerzen - ist es das Herz?

5 Thoraxschmerzen in der Praxis - Ursachen Diagnose Häufigkeit % Muskuloskeletal Kardiovaskulär Psychogen Respiratorisch Gastrointestinal 55 2 Verschiedene 15 2 Ohne Diagnose 21 3 Total Verdon et al. SMW 2008;138(23 24): % von Patienten hatten Thoraxschmerzen

6 Vor - Test Wahrscheinlichkeit der koronaren Herzkrankheit Invasive Abklärung Nicht invasive Abklärung Keine weitere Abklärung Diamond GA et al. NEJM 1979;300:1350-8

7 Risk Calculators im Web: AGLA/Framingham

8 Nicht-invasive Diagnostik bei koronarer Herzkrankheit Hybriduntersuchung mittels Rubidium PET/CT

9 Ziele bei der Entwicklung des Cardioexplorers exakte Herz - Diagnostik mit einfach verfügbaren Patientendaten keine Patienten mit koronarer Herzkrankheit verpassen (Minimierung der falsch Negativen ) Resultat des Tests (Endpunkt): Herzkranzgefässverengung ja/nein Stenose beim Herzkatheter >50%? Cardioexplorer

10 Arbeitsweise des Cardioexplorer Algorithmus Eingangsschicht Innere Neuronen Cardioexplorer

11 The memetic profile based algorithm (MPA) is multilayer modeling process, including the following methods from the field of pattern recognition and machine learning Ensemble tree methods based on classification and regression tree Logistic regression and ensemble logistic regression methods Voting algorithms for ensembles of classifiers Automated search for non-linear functional combinations of attributes relevant for the CAD question Univariate scaling, categorization and risk mapping methods Self-organizing maps for clustering and classification evolutionary optimization method Zellweger MJ et al. EPMA Journal (2018) 9:

12 Die inneren Neuronen

13 Entwicklung des Cardioexplorers und Vergleich mit Framingham Risk Score (FRS) 373 (245/128) Patienten, 66% Männer, Alter 65 ± 10 Jahre KHK - Prävalenz 66% alle Patienten hatten auch Koronarangiographie Zellweger MJ et al. Int J Cardiol Jun 1;174(1):184-6

14 Resultate des Cardioexplorers und Framingham Zellweger MJ et al. Int J Cardiol Jun 1;174(1):184-6

15 Ein Schritt in die personalisierte Medizin Zellweger MJ et al. EPMA Journal (2018) 9:

16 Validierung des Basel - Cardioexplorer Algorithmus und Optimierung bei einer neuen Patientenpopulation BS 245 BS 245 BS/LURIC 738 Entwicklung BS 128 LURIC 493 LURIC 494 Test BS = Basler Patienten LURIC = Patienten in der Ludwigshafen Risk and Cardiovascular Health Studie Zellweger MJ et al. EPMA Journal (2018) 9:

17 Stufen der Entwicklung Framingham Basel MPA Optimized Basel MPA Zellweger MJ et al. EPMA Journal (2018) 9:

18 Vergleich des Cardioexplorers mit nicht - invasiven Tests Zellweger MJ et al. EPMA Journal (2018) 9:

19 Cardioexplorer Durchführung konkret Zellweger MJ et al. EPMA Journal (2018) 9:

20 32 Variabeln im Cardioexplorer Cardioexplorer

21 Cardioexplorer Interpretation Zellweger MJ et al. EPMA Journal (2018) 9:

22 Ausblick Kardiologie

23 Cardioexplorer basiert auf einfachen Daten Befragung der Patienten, Laborresultaten, Ruhe-EKG basiert auf einem mit künstlicher Intelligenz entwickelten Algorithmus gibt klare Ergebnisse mit sehr hoher diagnostischer Sicherheit ist evidenzbasiert und wurde an mehr als 1400 Patienten getestet wird durch Einbezug weiterer Patientengruppen breiter anwendbar ist kostengünstig

24

25 Kardiologie Besten Dank!