Einsatz von KI bei Frühgeburten

Künstliche neuronale Netze können so trainiert werden, dass sie Lungenerkrankungen bei Frühgeborenen erkennen, indem sie deren Atemmuster im Schlaf analysieren.

Die Studie dazu wurde von Prof. Dr. rer. nat. Edgar Delgado-Eckert, Departement für Biomedizinische Technik der Universität Basel und Leiter einer Forschungsgruppe am Universitäts-Kinderspital beider Basel, Schweiz, vorgestellt.

Bronchopulmonale Dysplasie identifizieren

Bronchopulmonale Dysplasie (BPD) ist ein Atemwegsproblem, das Frühgeborene betreffen kann. Wenn die Lungen eines Neugeborenen bei der Geburt unterentwickelt sind, brauchen sie oft Unterstützung durch ein Beatmungsgerät oder eine Sauerstofftherapie – eine Behandlung, die ihre Lungen dehnen und entzünden kann, was wiederum BPD verursacht.

Die Identifizierung von BPD ist jedoch schwierig. Bei Lungenfunktionstests muss ein Erwachsener in der Regel auf Verlangen ausatmen – etwas, das Babys nicht tun können –, sodass die derzeitigen Verfahren hochentwickelte Geräte erfordern, um die Belüftungseigenschaften der Lunge eines Säuglings zu messen. Infolgedessen ist die BPD eine der wenigen Krankheiten, die typischerweise anhand einer ihrer Hauptursachen, nämlich Frühgeburtlichkeit und Atemunterstützung, diagnostiziert wird.

Künstliche neuronale Netze („Artificial Neural Networks“; ANN) sind mathematische Modelle, die zur Klassifizierung und Vorhersage verwendet werden. Um genaue Vorhersagen treffen zu können, müssen ANN zunächst mit einer großen Datenmenge trainiert werden, was bei der BPD ein Problem darstellt. „Bis vor Kurzem hat dieser Bedarf an großen Datenmengen die Bemühungen behindert, genaue Modelle für Lungenerkrankungen bei Säuglingen zu erstellen, weil es so schwierig ist, ihre Lungenfunktion zu beurteilen“, erklärte Delgado-Eckert. „Aber es gibt eine Alternative. Wir können die Atmung eines Babys messen, während es schläft. Alles, was man dazu braucht, ist eine weiche Gesichtsmaske mit einem Sensor, der den Luftstrom und das Luftvolumen messen kann, das in der Nase des Säuglings ein- und austritt. Diese Ausrüstung ist billig und in jeder klinischen Einrichtung erhältlich. Solche Messungen von mehreren aufeinanderfolgenden Atemzügen können große Mengen an qualitativ hochwertigen sequenziellen Flussdaten liefern. Wir wollten versuchen, mit diesen Daten ein ANN zu trainieren, um BPD zu erkennen.“

Studie mit Säuglingen

Das Team von Delgado-Eckert untersuchte eine Gruppe von 139 reif geborenen Säuglingen und 190 Frühgeborenen, die auf BPD gescreent worden waren, und zeichnete ihre Atmung zehn Minuten lang auf, während sie schliefen. Für jedes Baby wurden 100 aufeinanderfolgende regelmäßige Atemzüge zum Trainieren, Validieren und Testen eines ANN-Typs verwendet, der besonders effektiv bei der Klassifizierung sequenzieller Daten ist („Long Short-Term Memory model“; LSTM).

Das Team verwendete 60 % der Daten, um dem Netzwerk beizubringen, wie man BPD erkennt, 20 %, um das Modell zu validieren (um sicherzustellen, dass es nicht zu sehr auf die Trainingsdaten fixiert ist), und fütterte dann das Modell mit den verbleibenden 20 % der Daten, um zu sehen, ob es die Babys mit BPD korrekt identifizieren konnte.

Das LSTM war in der Lage, die Werte im Testdatensatz mit einer Genauigkeit von 96 % einem Säugling mit bzw. ohne BPD zuzuordnen. „Unsere Forschungsergebnisse bieten zum ersten Mal eine umfassende Möglichkeit, die Atmung von Säuglingen zu analysieren. Sie ermöglichen es uns, bereits im Alter von einem Monat festzustellen, welche Säuglinge an BPD leiden, indem wir das ANN verwenden, um Anomalien in ihren Atemmustern zu erkennen. Unser nichtinvasiver Test ist für Babys und ihre Eltern weniger belastend, was bedeutet, dass sie schneller eine Behandlung erhalten können, was auch für die Langzeitprognose von Bedeutung sein kann.“

Das Team möchte nun untersuchen, ob das Modell auch für die Untersuchung von Säuglingen wenige Wochen nach der Geburt, für die Analyse der Lungenfunktion und die Vorhersage von Symptomen bei älteren Kindern im Schulalter sowie für die Untersuchung auf andere Erkrankungen wie Asthma eingesetzt werden kann.

Kommentar

Prof. Dr. Angela Zacharasiewicz, Vorsitzende der ERS-Gruppe für pädiatrisches Asthma und Allergien und Leiterin der Abteilung für Pädiatrie der Klinik Ottakring in Wien, beurteilte die Ergebnisse folgendermaßen: „Die Prüfung der Lungenfunktion bei Frühgeborenen mit neuen Techniken wird die therapeutische Entscheidungsfindung verbessern. Je früher wir eine BPD bei einem Frühgeborenen bestätigen können, desto schneller können wir eine fundierte Entscheidung über die beste Form der Atemunterstützung für das Kind in den ersten Lebenswochen treffen. Dies könnte auch eine frühere Planung von Folgeuntersuchungen und möglichen Eingriffen ermöglichen und so den Stress für Eltern und ihre Kinder verringern. Es ist spannend zu sehen, wie KI-Tools wie diese unsere Gesundheitsdienste potenziell unterstützen können.“ (red)