×
Wie ein großer Gesundheitsdienstleister in den Zwillingsstädten den Einsatz von KI für die EEG-Analyse vorantreibt
Künstliche Intelligenz (KI) wird inzwischen weithin für ihr Potenzial anerkannt, viele Aspekte des Gesundheitswesens verbessern zu können. Die meisten Neurologen, Epileptologen und andere neurologische Fachkräfte sind sich jedoch darin einig, dass die Integration von KI in die Elektroenzephalographie (EEG)-Analyse besonders vielversprechend ist, um die Effizienz neurologischer Behandlungsteams zu steigern und letztendlich die Gesundheitsergebnisse zu verbessern.
Im Allina Health Abbott Northwestern Hospital in Minneapolis, Minnesota, das mit mehreren Krankenhäusern in der Region verbunden ist, hat Dr. Ram Mohan Sankaraneni, ein staatlich geprüfter Neurologe und Mitglied der American Epilepsy Society und der American Academy of Neurology, das Versprechen der KI in die Tat umgesetzt. Sein Ziel ist es, Patienten zu helfen, anfallsfrei zu werden, damit sie einen normalen Lebensstil führen können. Im Sommer 2024 wurden Dr. Sankaraneni und sein Team im Allina Health Abbott Northwestern Hospital die ersten Anbieter in den Vereinigten Staaten, die autoSCORE implementierten, das einzige KI-Modell, das von der FDA für die routinemäßige EEG-Interpretation zugelassen ist.
Entwickelt von Holberg EEG und exklusiv über das Medizintechnikunternehmen Natus Medical erhältlich, wurde autoSCORE auf dem weltweit größten Datensatz von EEG-Aufzeichnungen trainiert. autoSCORE ist das erste KI-Modell im Gesundheitswesen, das eine automatische und umfassende klinische EEG-Analyse durchführen kann.
Um die bahnbrechenden Auswirkungen von Dr. Sankaranenis Arbeit mit autoSCORE zu verstehen, ist es entscheidend, zuerst die immensen Herausforderungen nachvollziehen zu können, denen sich neurologische Fachkräfte bei der Interpretation von EEGs gegenübersehen. Obwohl einfache Algorithmen sowie Spike- und Anfallsdetektoren seit Jahrzehnten in der traditionellen EEG-Analyse eingesetzt werden, ist die Praxis nach wie vor arbeitsintensiv.
Neurologen müssen riesige Mengen an EEG-Daten durchforsten, um oft subtile Anomalien der Hirnaktivität zu finden. Für Patienten mit Hirnverletzungen, Epilepsie und anderen neurologischen Erkrankungen kann die Verkürzung der Zeit bis zur Diagnose und Behandlung von Problemen entscheidend für ihre Gesundheitsergebnisse sein. Der heutige Mangel an medizinischem Personal, insbesondere der Mangel an Neurologen und qualifizierten EEG-Technikern in abgelegenen und unterversorgten Gebieten, hat dieses Problem verschärft.
Forscher, Neurowissenschaftler und Ärzte haben in den letzten Jahren ein Auge auf KI geworfen, um viele dieser Hindernisse zu überwinden. Das Ziel ist nicht, die menschliche Analyse zu ersetzen, sondern fortschrittliche Algorithmen einzusetzen, um EEG-Daten schneller zu verarbeiten. Durch die Rationalisierung der Datenanalyse und die Automatisierung sich wiederholender und oft langwieriger Aufgaben können Neurologen Muster und Anomalien schneller identifizieren. Infolgedessen können Ärzte komplexe, kritische Fälle effizienter behandeln und bessere Ergebnisse erzielen, selbst wenn EEG-Expertise nicht weit verbreitet ist.
autoSCORE ist eine innovative KI-Lösung, die von Natus eingeführt und von Holberg EEG entwickelt wurde, um viele der Herausforderungen der klinischen EEG-Analyse zu bewältigen, indem die Zeit bis zur Diagnose verkürzt, die Genauigkeit verbessert und die Arbeitsbelastung von Ärzten reduziert wird. autoSCORE bietet EEG-Interpretationen auf Expertenniveau unter Verwendung von Deep-Learning-Algorithmen, die auf mehr als 30.000 fachkundig gekennzeichneten EEG-Aufzeichnungen trainiert wurden. Dadurch kann das KI-Tool Anomalien, wie beispielsweise epileptiforme Aktivität, mit einer Genauigkeit erkennen, die der von hochqualifizierten Klinikern entspricht.
Eine 2023 in JAMA veröffentlichte Studie ergab, dass autoSCORE konstant mit einer Genauigkeit, Sensitivität und Spezifität nahe oder über 90 % arbeitete. Darüber hinaus stellten die Forscher fest, dass autoSCORE andere KI-Modelle durchweg übertraf und Ergebnisse lieferte, die mit denen führender menschlicher Experten vergleichbar waren.
Das anfängliche Interesse von Dr. Sankaraneni an autoSCORE wurde durch seine Neugier geweckt, wie autoSCORE in die aktuellen Arbeitsabläufe passen würde und wie es EEG-Messwerte sowohl für ihn als auch für die Assistenzärzte verbessern könnte. Darüber hinaus hoffte er, dass das Tool die Effizienz der Arbeitsabläufe verbessern könnte, indem es einen Teil der erforderlichen Routineanalysen für Patienten mit Hirnstörungen und -verletzungen automatisiert. Dr. Sankaraneni war bestrebt herauszufinden, ob autoSCORE abnormale Gehirnmuster und potenzielle Probleme, die eine Untersuchung erfordern, schneller identifizieren könnte.
Angetrieben von seinem Wunsch, die Effizienz seines Teams zu verbessern und im Vertrauen auf die Forschung seiner Kollegen, war es nun Dr. Sankaranenis Aufgabe zu sehen, wie autoSCORE in einem tatsächlichen klinischen Umfeld funktioniert. Kann dieses neu von der FDA zugelassene Tool sein Versprechen einlösen, den Zeitaufwand für die EEG-Überprüfung zu verringern?
Dr. Sankaraneni begann mit autoSCORE zu arbeiten, mit etwas, das er ein „Gefühl der Neugier“ nennt. Während die Einführung von autoSCORE einige anfängliche Anpassungen an seinem Standard-Arbeitsablauf erforderte, bemerkte Dr. Sankaraneni fast unmittelbar nach dem Einsatz des Tools eine positive Wirkung. Tatsächlich fand er die Fähigkeit von autoSCORE bemerkenswert, EEG-Studien zur Überprüfung basierend auf der Wahrscheinlichkeit von Auffälligkeiten zu priorisieren. Durch das Hervorheben der EEG-Aufzeichnungen, die die dringendste Aufmerksamkeit erforderten, konnte autoSCORE die kritischsten Fälle schnell und präzise ausfindig machen.
Artefakte, also Signale, die nicht vom Gehirn selbst stammen, aber häufig in EEG-Aufzeichnungen vorhanden sind, können die zugrunde liegenden Probleme verdecken. Das Herausfiltern von kardialen, respiratorischen und anderen Artefakten kann schwierig sein, insbesondere für weniger erfahrene Fachkräfte im Bereich der Neuroversorgung. Auch bei Studien mit einer hohen Anzahl von Artefakten beobachtete Dr. Sankaraneni, dass autoSCORE korrekt zwischen Artefakten und echten Anomalien unterscheiden konnte. Das Tool half auch sicherzustellen, dass keine wichtigen Details übersehen wurden.
Als Dr. Sankaraneni autoSCORE weiterhin nutzte, war er angenehm überrascht von der Effizienz des Tools bei der Identifizierung und Priorisierung von Studien als abnormal oder normal, insbesondere angesichts der Komplikationen durch das Vorhandensein von Artefakten.
„autoSCORE war besonders effektiv bei der Erkennung von Problemen inmitten von Artefakten“, bemerkte Dr. Sankaraneni und erwähnte einen speziellen Fall, bei dem das KI-Tool trotz erheblicher Störungen durch Patientenbewegungen in der Lage war, Artefakte zu unterscheiden und fokale Anomalien korrekt zu identifizieren. Eine wichtige Änderung seines Arbeitsablaufs bestand darin, dass Dr. Sankaraneni sich mit autoSCORE nun sofort auf kritische Fälle konzentrieren kann, anstatt manchmal bis zum Ende des Tages warten zu müssen, um alle EEGs zu überprüfen.
Dr. Sankaranenis Erfahrung mit autoSCORE stimmt mit neuen Forschungsergebnissen über die allgemeinen Auswirkungen der Zusammenarbeit zwischen Mensch und Maschinen im Gesundheitswesen überein, die sogar besagen, dass „die Zusammenarbeit zwischen Menschen und intelligenten Maschinen zu einem grundlegenden Merkmal eines erfolgreichen klinischen Entscheidungsunterstützungssystems geworden ist.“
Auf die Frage, welche Rolle autoSCORE speziell in einer neurologischen Praxis spielen kann, bezeichnet Dr. Sankaraneni autoSCORE als einen „… zuverlässigen Kollegen, der eine zweite Meinung geben kann“, und fügt hinzu, dass autoSCORE definitiv einen „leistungsstarken Weg zu schnelleren Interventionen“ bietet.
Die von Dr. Sankaraneni erfahrenen Vorteile, darunter die Verbesserung der Effizienz von Arbeitsabläufen und die erhöhte diagnostische Genauigkeit, unterstreichen das transformative Potenzial von KI-Tools in der EEG-Analyse. Während sich die KI weiterentwickelt, wird ihre Rolle in der Neurologie wahrscheinlich wachsen und neue Möglichkeiten zur Verbesserung der Patientenversorgung und der Behandlungsergebnisse bieten.
Die Integration von KI in die EEG-Analyse wirft jedoch einige wichtige Überlegungen zum Ausgleich zwischen maschineller Unterstützung und klinischer Beurteilung auf. Zwar können KI-Tools die Effizienz und Genauigkeit erheblich steigern, doch sollten sie als Ergänzung und nicht als Ersatz für menschliche Expertise betrachtet werden. In einem in der Ausgabe 2022 von Nature veröffentlichten Bericht wurde festgestellt, dass die Überwindung der Vorstellung, dass KI das Fachwissen ersetzen wird, entscheidend für die breite Einführung von KI für die EEG-Interpretation ist. Die Umsetzung bewährter Verfahren für die Zusammenarbeit zwischen Mensch und Maschinen ist entscheidend für die Wahrung der Integrität erfahrener professioneller Urteilsfähigkeit, während gleichzeitig sichergestellt wird, dass die KI-Tools ihr volles Potenzial ausschöpfen.
Der Einsatz von autoSCORE im Abbott Northwestern Hospital stellt einen bedeutenden Fortschritt in der Anwendung von KI-Technologie in der Neurologie dar. Als Pionier in der Nutzung von KI für spezifische Patienten bietet Dr. Sankaraneni mit seiner Erfahrung wertvolle Einblicke in die praktischen Vorteile der KI bei der EEG-Analyse.
Mit Blick auf die Zukunft ist klar, dass die breitere Anwendung von KI in der EEG-Analyse zu bedeutenden Fortschritten führen könnte, von der Steigerung der Effizienz in einzelnen neurologischen Praxen bis hin zur Erhöhung der Zugänglichkeit von EEG für abgelegene und unterversorgte Gebiete.
Der bahnbrechende Einsatz von KI durch das Allina Health Abbott Northwestern Hospital ist ein Beispiel dafür, wie, wenn sie effektiv eingesetzt werden, KI-Tools wie autoSCORE die Effizienz von Neurologen, Epileptologen und anderen neurologischen Fachkräften dramatisch steigern können und sogar die Zukunft der neurologischen Versorgung mitgestalten könnten.
049796 RevA