idw - Informationsdienst
Wissenschaft
Zuverlässige Prognosen bei Koma-Patientinnen und -Patienten auf der Intensivstation sind essentiell. Künstliche Intelligenz (KI) zur Unterstützung der Prognosestellung wird an Bedeutung gewinnen, wenn deren Transparenz verbessert werden kann. Erstmals ist es nun einem Forschungsteam gelungen, bestimmte Muster zu identifizieren, die das Deep-Learning-Netzwerk seinen Prognose-Entscheiden aufgrund von Elektro-Enzephalogramm (EEG)-Analysen zugrunde legt. Damit ist ein wichtiger Schritt zur Entschlüsselung der «Black Box» des Deep-Learning-Prozesses und damit zur Trans-parenz der KI getan.
Die Mehrheit der Sterbefälle von Koma-Patientinnen und -Patienten nach Herzstillstand in In-tensivstationen erfolgen nach Abbruch der Lebenserhaltungsmassnahmen. Als Progno-seinstrument dienen unter anderem die EEG. Mehrere Arbeiten weisen darauf hin, dass mit KI zuverlässige Prognosen zur Unterstützung der entscheidenden Ärztinnen und Ärzte gestellt werden können. Eine verbreitete Zurückhaltung gegenüber KI-Prognosen ist unter anderem da-rauf zurückzuführen, dass bis anhin die Deep-Learning-Netzwerke keinen Hinweis darauf ga-ben, welche Informationen ihren Entscheiden zugrunde lagen und somit nicht klar war, welche Sachverhalte zu einer bestimmten Prognose führten.
Durchbruch bei der Interpretation von Elektroenzephalogrammen (EEG)
Einem multidisziplinären Forschungsteam aus dem Schlaf-Wach-Epilepsie-Zentrum (SWEZ) der Universitätsklinik für Neurologie des Inselspitals (F. Zubler), der Computer Vision Group des In-stituts für Informatik der Universität Bern (S. Jonas, S. Jenni, und P. Favaro) sowie der Kliniken für Neurologie (A. Rossetti) und Intensivmedizin (M. Oddo) des Lausanner Centre hospitalier universitaire vaudois (CHUV) ist es nun gelungen, wichtige, entscheidrelevante Muster in EEG von Koma-Patientinnen und -Patienten zu identifizieren. Das Team legte seinen Studien klini-sche Standard-EEG-Aufzeichnungen von 267 Erwachsenen aus dem CHUV zugrunde.
Ein Neurales Netzwerk (Convolutional Neural Network CNN) analysierte die EEG in der frühen Betreuungsphase nach dem Herzstillstand. Mit Hilfe einer speziellen Visualisierungsmethode, dem sogenannten GradCAM-Algorithmus wurden darauf diejenigen Bereiche der EEG identifi-ziert, die das CNN für seine positiven oder negativen Prognosen verwendet hatte.
Fachleute und KI verwenden gleiche Muster
Der Studienleiter Dr. Dr. med. F. Zubler betont: «Für die ärztliche Tätigkeit in der Intensivstation werden KI-unterstützte Entscheide in Zukunft immer wichtiger. Wenn wir diese Unterstützung transparent und nachvollziehbar machen, können wir auch in ethischer Hinsicht solidere Ent-scheide fällen». Ein zentrales Resultat der Studie war: die gewählte Visualisierungsmethode konnte einen Teil des Deep-Learning-Prozesses entschlüsseln. Bestimmte EEG-Muster konn-ten identifiziert werden, welche die Maschine ihren Entscheidungen zugrunde legte. Interessan-terweise verwendet KI oft die gleichen Muster, die die Neurologen bei Prognose-Entscheiden in der klinischen Tätigkeit verwenden.
KI wird bei Entscheiden in der Intensivstation immer wichtiger
Die Studie zeigt, dass KI weiter an Bedeutung gewinnen kann. Dank des neuen Ansatzes kann mehr Transparenz in die Deep-Learning-Anwendungen gebracht werden, indem die Prognose-werte neu auf einer nachvollziehbaren Erklärung beruhen. Dies ist auch für die ethische Ebene der gefällten Entscheide von grösster Bedeutung.
- Dr. med., Dr. sc. nat. Frédéric Zubler, Inselspital, Universitätsspital Bern
- Medienstelle Insel Gruppe, +41 31 632 79 25, kommunikation@insel.ch
Merkmale dieser Pressemitteilung:
Journalisten, Studierende, Wissenschaftler
Mathematik, Medizin
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).