Vorhersage kardiovaskulärer Ereignisse durch KI (PRE-CARE)

Erkrankungen des Herz-Kreislauf-Systems sind weltweit die häufigste Todesursache und schränken die Lebensqualität der Patient*innen oftmals enorm ein. Die Atherosklerose ist die häufigste krankhafte Veränderung der Arterien, die durch ein chronisches Fortschreiten sowie durch Verhärtung, Verdickung, Elastizitätsverlust und Verengung der Gefäße gekennzeichnet ist. Da die Atherosklerose lange keine Symptome hervorruft, bleibt sie oftmals unentdeckt und kann so schwere kardiovaskuläre Ereignisse wie Herzinfarkte oder Schlaganfälle hervorrufen. Somit kommt der frühzeitigen Identifizierung von Personen mit hohem Risiko, an Atherosklerose zu erkranken, große Bedeutung zu, um rechtzeitig vorbeugende Maßnahmen ergreifen zu können. Das Ziel des neuen internationalen Forschungsprojektes PRE-CARE ML liegt darin, die oftmals in großer Menge vorliegenden, aber ungenutzten Gesundheitsdaten zur Risikovorhersage von kardiovaskulären Ereignissen verwenden zu können. Medizinische Informationen werden zunehmend digitalisiert, wodurch riesige Mengen an elektronischen Gesundheitsdaten zur Verfügung stehen, die für die Risikovorhersage zugänglich sind. Herkömmliche Ansätze scheitern jedoch daran, diese Daten vollständig zu verarbeiten und für medizinische Fragestellungen und Prognosen nutzbar zu machen. Das Konsortium PRE-CARE ML hat sich zum Ziel gesetzt, mit Methoden der künstlichen Intelligenz moderne Risikovorhersagetools zur Früherkennung von Personen mit hohem Risiko für kardiovaskuläre Erkrankungen zu entwickeln. Dazu haben sich Wissenschafter*innen von der Medizinischen Universität Graz und der steirischen Krankenanstaltengesellschaft (KAGes), dem Karolinska Institutet in Stockholm, dem Hasso-Plattner-Institut in Potsdam und der Icahn School of Medicine at Mount Sinai, New York, der Universität São Paulo, Brasilien, und der Universität Maribor, Slowenien, zu einem internationalen Konsortium zusammengeschlossen, um gemeinsam an der Entwicklung leicht zu bedienender zuverlässiger Tools für die Risikovorhersage zu arbeiten. Die Wissenschafter*innen greifen auf ihre bisherigen Erfahrungen in der Verwendung von maschinellen Lernalgorithmen zur Risikovorhersage zurück, um anschließend im multidisziplinären Konsortium an deren Weiterentwicklung zu arbeiten und die Modelle über verschiedene Krankenhausnetzwerke und Bevölkerungsgruppen hinweg zu validieren und weiterzuentwickeln. Zusätzlich werden Methoden zur effektiven Risiko-Kommunikation an das behandelnde Gesundheitspersonal und betroffene Patient*innen entwickelt um Verhaltensänderungen und allenfalls notwendige weitere diagnostische und therapeutische Schritte zu ermöglichen.