Medizinische Assistenzsysteme

Am 29. September war Weltherztag. Herz-Kreislauf-Erkrankungen sind in Deutschland nach wie vor die häufigste Todesursache. Viele Erkrankungen ließen sich besser behandeln, wenn sie früher und sicherer erkannt würden. Genau hier setzt ein Teil unserer Forschung an. In der AG Medical Assistance Systems an der Universität Bielefeld entwickeln wir KI-gestützte Assistenzsysteme für die Medizin. Zwei Themen beschäftigen uns rund ums Herz besonders: Vorhofflimmern und die Myokarditis bei Kindern.

Vorhofflimmern früher erkennen

Vorhofflimmern ist die häufigste Herzrhythmusstörung. Weil es oft nur zeitweise auftritt, bleibt es häufig lange unentdeckt. Unerkanntes Vorhofflimmern erhöht das Risiko für einen Schlaganfall jedoch erheblich. Gemeinsam mit der Klinik für Neurologie des Evangelischen Klinikums Bethel (EvKB) und im Rahmen der Studie FIND-AF2 entwickeln wir Deep-Learning-Verfahren, die Hinweise auf Vorhofflimmern in EKGs erkennen, die unauffällig aussehen. Ziel ist eine schnellere Diagnose aus einer Routineuntersuchung statt eines langwierigen Monitorings. Die Ergebnisse sollen dabei so aufbereitet sein, dass Ärzt:innen sie nachvollziehen und hinterfragen können.

Für mehr Informationen zum VHF-Projekt. 

Myokarditis bei Kindern erkennen

Eine Myokarditis ist eine Entzündung des Herzmuskels. Bei Kindern ist ihre Diagnose komplex und orientiert sich bisher stark an Kriterien, die für Erwachsene entwickelt wurden. In einem interdisziplinären Kooperationsprojekt mit dem Herz- und Diabeteszentrum NRW untersuchen wir, ob sich Myokarditis bei Kindern mithilfe von Künstlicher Intelligenz zuverlässig anhand von MRT-Bildern diagnostizieren lässt. Ein Schwerpunkt liegt darauf, kardiale Funktionsparameter einzubeziehen. Außerdem setzen wir erklärbare KI (XAI) ein. Sie macht die Entscheidungen des Systems nachvollziehbar und soll neue Einsichten liefern, welche Merkmale für die Diagnose wirklich relevant sind.

Für mehr Informationen zum Myokarditis-Projekt. 

KI, die nachvollziehbar bleibt

Beide Projekte verbindet ein gemeinsames Ziel: KI soll medizinisches Fachpersonal unterstützen, nicht ersetzen. Dafür muss sie transparent und verständlich sein. Erklärbare KI (XAI) ist deshalb ein Kernthema unserer Arbeitsgruppe, im Herzbereich ebenso wie in unserer Forschung zu Assistenzsystemen und Mensch-Roboter-Interaktion.

In den kommenden Monaten wollen wir beide Themen weiter ausbauen. Über Austausch mit Kliniken, Forschenden und Interessierten freuen wir uns sehr.