Schlaganfall-Diagnose-Test in vier Minuten: Ein von Wissenschaftlern der Pennsylvania State University (PSU) und des Houston Methodist Hospital entwickeltes KI-gestütztes Analyse-Programm, basierend auf maschinellen Lernen, könnte einen Schlaganfall auf der Basis von Anomalien der Sprachfähigkeit und der Gesichtsmuskelmotorik eines Menschen erkennen und diagnostizieren.
Das Programm arbeitet mit der Genauigkeit eines Arztes in einer Notaufnahme und liefert die Diagnose innerhalb weniger Minuten nach einem interaktiven Schlaganfall-Test mit einem Smartphone .
Rund 250.000 Menschen pro Jahr erleiden in Deutschland einen Schlaganfall. Dabei sterben jede Minute Millionen von Neuronen ab. Wenn Symptome eines Schlaganfalls auftreten, zählt daher jede Minute.
Bei der Diagnose eines Schlaganfalls in der Notaufnahme haben die Mediziner allerdings nur begrenzte Möglichkeiten. Entweder muss der Patient zu zeitaufwändigen CT- oder MRT-Scans geschickt werden oder ein Neurologe – eine Spezialist, der möglicherweise nicht sofort verfügbar ist – muss hinzugezogen werden, um klinische Diagnosetests durchzuführen, so die Forscher.
James Wang, Professor für Informationswissenschaften und Technologie an der Penn State University und seine Kollegen haben ein spezielles Modell, basierend auf maschinellen Lernen, entwickelt, um den Diagnoseprozess im klinischen Umfeld zu unterstützen und möglicherweise zu beschleunigen.
Derzeit müssen Mediziner ihre bisherige Ausbildung, Wissen und Erfahrung nutzen, um zu bestimmen, in welchem Stadium ein Patient zu einem CT-Scan geschickt werden sollte, erklärt Wang. Das Forscherteam versucht, diesen Prozess mithilfe seines auf maschinellen Lernens basierenden Analyse-Tools zu simulieren oder nachzuahmen.
Die auf maschinellen Lernen basierende Analyse-Methode des Forscherteams der Pennsylvania State University ist die erste, die das Vorhandensein eines Schlaganfalls bei tatsächlichen Notaufnahme-Patienten mit Verdacht auf einen Schlaganfall analysiert, indem einen computergestützte Gesichtsbewegungsanalyse und die Verarbeitung natürlicher Sprache eingesetzt werden, um Anomalien im Gesicht oder in der Stimme eines Patienten zu identifizieren, wie etwa eine hängende Wange oder undeutliche Sprache.
Die Ergebnisse könnten den Medizinern in Krankenhäusern und in der Notaufnahme helfen, schneller die entscheidenden nächsten Schritte für den Schlaganfall-Patienten zu bestimmen. Letztlich könnte die Anwendung von Pflegern oder Patienten genutzt werden, um Selbsttests vorzunehmen, bevor sie das Krankenhaus erreichen.
Um das KI-gestützte Computermodell zu trainieren, erstellten die Forscher einen Datensatz mit Schlaganfallsymptomen von mehr als 80 Patienten am Houston Methodist Hospital in Texas auf. Jeder Patient wurde gebeten, einen Sprachtest durchzuführen, um seine Sprache und kognitive Kommunikation zu analysieren, während er mit einem Smartphone aufgenommen wurde.
Die Erfassung von Gesichts-Daten in natürlicher Umgebung macht unsere Arbeit belastbar und hilfreich für den klinischen Alltag und stärkt letztlich unsere Methode zur Ferndiagnose von Schlaganfällen und zur Selbsteinschätzung, so die Forscher.
Das Computermodell erreicht eine Genauigkeit von 79 Prozent und ist damit vergleichbar mit der klinischen Diagnostik durch Notaufnahmeärzte, die zusätzliche Tests wie CT-Scans verwenden. Das Modell der Forscher könnte jedoch dazu beitragen, wertvolle Zeit bei der Diagnose eines Schlaganfalls zu sparen, da es in der Lage ist, einen Patienten in nur vier Minuten zu beurteilen.
Bei schweren Schlaganfällen ist ein Anfall offensichtlich. Studien deuten allerdings darauf hin, dass bei der Mehrheit der Schlaganfälle, die leichte bis mittelschwere Symptome aufweisen, sich die Diagnose um Stunden verzögern. Je früher ein Schlaganfall erkannt und diagnostiziert werden kann, desto besser sind die Behandlungs-Optionen für den Patienten, weshalb ein frühestmögliche Diagnose unabdingbar ist.
Quellen
Dieser Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt oder Facharzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen!
vgt
