News

Das aktuelle "Paper of the Month" (01/2019) geht an: PD Dr. Stefan Orwat aus der Klinik für Kardiologie III

v.l.n.r.: PD Dr. Stefan Orwat (Letztautor), Prof. Helmut Baumgartner, Prof. Gerhard-Paul Diller (Erstautor) (Foto: Fotozentrale)

Für den Monat Januar 2019 geht das "Paper of the Month" der Medizinischen Fakultät der WWU Münster an:

Priv.-Doz. Dr. Stefan Orwat  aus der  Klinik für Kardiologie III für die Publikation:

Utility of machine learning algorithms in assessing patients with a systemic right ventricle
BY: Diller, Gerhard-Paul; Babu-Narayan, Sonya; Li, Wei; et al.
EUROPEAN HEART JOURNAL-CARDIOVASCULAR IMAGING    2019, Epub ahead of print ; Published online Jan 2019

Zu Hintergrund, Fragestellung und Bedeutung der Publikation:

Künstliche-Intelligenz-(KI)-Systeme stoßen derzeit auf eine breites Interesse im Bereich der kardiovaskulären Bildgebung. Trotz des beträchtlichen Potenzials gab es bislang aber keine Untersuchungen zu ihrem im Bereich der angeborenen Herzfehler.

Wir konnten erstmals den Nutzen neuartiger Deep‐Learning-(DL)‐Algorithmen bei der Diagnostik von erwachsenen Patienten mit einem angeborenen Herzfehler nachweisen. Dazu wurden 132 Patienten untersucht. Der speziell für die Ultraschallanalyse des Herzens trainierte DL‐Algorithmus erzielte mit 98 Prozent eine leicht höhere Gesamtgenauigkeit bei der Erkennung der korrekten Diagnose als die Testgruppe der spezialisierten Mediziner. Wir hatten dazu die Bilddaten von Patienten mit einer Transposition der großen Arterien nach einer Vorhofumkehr‐OP (atriale Switch‐Operation nach Mustard oder Senning) sowie von Patienten mit einer angeborenen korrigierten Transposition (ccTGA), bei der auch die Herzkammern seitenverkehrt angeordnet sind, und von herzgesunden Menschen herangezogen.

Unsere Studie illustriert das Potenzial von Algorithmen des maschinellen Lernens, die auf routinemäßigen echokardiographischen Datensätzen trainiert wurden, die zugrunde liegende Diagnose bei komplexen angeborenen Herzerkrankungen automatisch zu erkennen. Ziel ist es nun, diese Ergebnisse in innovative Praxislösungen zu überführen.

 

Background and fundamental question of the publication:

Artificial intelligence (AI) systems are currently attracting broad interest in the field of cardiovascular imaging. Despite the considerable potential, there have been no studies on the benefits of AI systems in the area of congenital heart defects.

For the first time, we were able to demonstrate the benefit of novel deep learning (DL) algorithms in the diagnosis of adult patients with congenital heart defects. For this purpose, 132 patients were examined. The DL algorithm, which was specially trained for ultrasound analysis of the heart, achieved a slightly higher overall accuracy of 98 percent in detecting the correct diagnosis than the test group of specialized physicians. We used image data from patients with transposition of the great arteries (TGA) after an atrial switch procedure (Mustard or Senning atrial surgery), as well as from patients with a congenitally corrected transposition (ccTGA), in which the ventricles are also reversed, and from heart-healthy people.

Our study illustrates the potential of machine learning algorithms trained on routine echocardiographic data sets to automatically detect the underlying diagnosis of complex congenital heart disease. The aim now is to translate these results into innovative practical solutions.

 

Die bisherigen ausgezeichneten "Papers of the Month" finden Sie HIER.