KI-basierte Prognose auf der Intensivstation: Entscheidrelevante Muster in EEG von Koma-Patienten identifiziert

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.

Wissenschaftliche Ansprechpartner:
– Dr. med., Dr. sc. nat. Frédéric Zubler, Inselspital, Universitätsspital Bern

– Medienstelle Insel Gruppe, +41 31 632 79 25, kommunikation@insel.ch

Scroll to Top