Erkennung eines zerebrovaskulären Unfalls (CVA) oder „Schlaganfalls“ – KI könnte Sanitätern in zeitkritischen Notfällen helfen

Sanitäter zu sein ist ein unfassbar stressiger Beruf. Sie sind nicht nur damit beauftragt, Leben zu retten, sondern diese Einsatzkräfte an vorderster Front werden ständig in unvorhersehbaren Situationen in jeder erdenklichen Umgebung eingesetzt. Sie müssen freundlich, aber bestimmt bleiben und sowohl eigenständig als auch im Zusammenspiel mit anderen Diensten (Feuerwehr, Polizei usw.) gut arbeiten. Und das alles bei unregelmäßigen und langen Arbeitszeiten, was sowohl ihren Körper als auch ihren Geist stark belastet. Von allen Einsätzen, die Sanitäter bewältigen müssen, gehören die erschütterndsten zu denen, bei denen sie kaum Kontrolle über das Ergebnis haben. Eine allergische Reaktion kann mit Medikamenten behandelt werden; bestimmte diabetische Notfälle lassen sich mit Glukose beheben; Herzrhythmusstörungen können durch elektrische Intervention korrigiert werden. Bei zerebrovaskulären Unfällen (CVAs) – allgemein als „Schlaganfall“ bezeichnet – gibt es jedoch im Feld nur sehr wenig zu tun.

Eine weitere Komplikation bei der Behandlung eines CVA besteht darin, dass die Therapie für die häufigste Form (ischämisch) innerhalb eines relativ kurzen Zeitfensters von weniger als 4,5 Stunden verabreicht werden muss. Das mag nach viel Zeit klingen, doch wenn man die Zeit berücksichtigt, die Sanitäter benötigen, um am Einsatzort anzukommen, mögliche Ursachen auszuschließen, das Problem zu identifizieren und schließlich den Patienten für den Transport in die Notaufnahme vorzubereiten, vergehen 4,5 Stunden viel schneller als erwartet – besonders in ländlichen Gebieten. Deshalb ist eine schnelle und frühe Erkennung bei einem CVA von entscheidender Bedeutung.

Glücklicherweise können Sanitäter mit dem Aufkommen von Künstlicher Intelligenz (KI) in den kommenden Jahren auf ein neues Werkzeug zurückgreifen.

Turning Minutes into Seconds

Ein Team von Biomedizinischen Ingenieuren der RMIT University hat kürzlich ein neues Werkzeug entwickelt, das KI nutzt, um einen CVA in Sekunden zu identifizieren, mit einer höheren Genauigkeit als derzeit im Feld möglich ist. Ihr Papier mit dem Titel ‘Gesichtsausdrücke zur Identifizierung nach einem Schlaganfall: Eine Pilotstudie‘ beschreibt eine Smartphone‑App, die die Gesichtszüge einer Person effektiv analysieren und anhand langjährig bekannter Anzeichen wie einseitigem Gesichtshängen feststellen kann, ob Anzeichen eines CVA vorliegen.

Obwohl noch viel Arbeit nötig ist, waren die frühen Ergebnisse vielversprechend, wobei die KI‑gestützte Lösung post‑Schlaganfall‑Patienten mit einer Erfolgsrate von 82 % korrekt erkannte.

“Mit einer Genauigkeit von 82 % sind die Ergebnisse vielversprechend. Die Analyse zeigt, dass Kuss‑ und Spreiz‑Gesichtsausdrücke die besten Indikatoren sind, um zwischen gesunden und post‑Schlaganfall‑Personen zu unterscheiden, wobei die Muskeln um den Mund am stärksten betroffen sind. Das System ist für die unüberwachte Analyse von Videos konzipiert und eignet sich daher für die Entwicklung als App auf einem Smartphone.”

Ein Grund, warum die Identifizierung eines CVA schwierig und zeitaufwendig sein kann, ist, dass der Prozess typischerweise das Ausschließen verschiedener alternativer Ursachen für die Präsentation des Patienten beinhaltet. Einige häufige Erkrankungen, die einen CVA nachahmen können, sind:

• Hypoglykämie (niedriger Blutzucker)
• Zentralnervensystem‑Infektionen (z. B. Meningitis)
• Schwere Hypertonie und/oder erhöhter intrakranieller Druck (ICP)
• Drogen (z. B. Kokain)

Nach der Identifizierung umfasst die präklinische Versorgung typischerweise die Sicherung der Atemwege des Patienten, die Verabreichung von Sauerstoff, falls angezeigt, und den schnellen Transport. Der Patient benötigt entweder ein Antikoagulans für ischämische CVAs oder einen chirurgischen Eingriff bei hämorrhagischen CVAs.

Durch die Einführung so vieler Variablen wird die Genauigkeit im Feld schwieriger, und die wertvollste Ressource (Zeit) wird verbraucht. Da jede Minute den Patienten näher zu dauerhaften Hirnschäden bringt, könnte die vom Ingenieurteam vorgeschlagene Lösung unzählige Leben weltweit retten, indem sie die Arbeit der Sanitäter ein wenig einfacher und effektiver macht.

Companies Leveraging Artificial Intelligence in HealthCare

1. Alphabet Inc.

GOOGL Preisdiagramm

Die Google Health‑Abteilung von Alphabet (GOOG ) konzentriert sich darauf, KI zu nutzen, um das Gesundheitswesen zu verbessern. Sie entwickelt KI‑Algorithmen zur Diagnose von Krankheiten aus medizinischen Bildgebungen, zur Vorhersage von Patientenergebnissen und zur Personalisierung von Behandlungsplänen. Ein bemerkenswertes Projekt ist der Einsatz von KI zur Erkennung von diabetischer Retinopathie und Brustkrebs mit hoher Genauigkeit aus medizinischen Bildern.

Eine weitere Initiative von Alphabet erfolgt über eine seiner Tochtergesellschaften, DeepMind. Dieses Unternehmen, das ebenfalls an vorderster Front der KI im Gesundheitswesen steht, arbeitet an Projekten, die KI nutzen, um den klinischen Zustand von Patienten vorherzusagen und Proteinstruktur‑Vorhersagemodelle zu entwickeln, die die Medikamentenentwicklung beschleunigen können.

2. IBM Corporation

IBM Preisdiagramm

IBM Watson Health setzt KI und Datenanalyse für verschiedene Herausforderungen im Gesundheitswesen ein. Seine KI‑gestützten Lösungen zielen darauf ab, die klinische Entscheidungsfindung zu verbessern, die Patientenversorgung zu steigern und betriebliche Abläufe zu optimieren. Die Onkologie‑ und Genomik‑Lösungen von Watson Health unterstützen Onkologen dabei, personalisierte Krebsbehandlungspläne zu entwickeln, indem sie enorme Mengen medizinischer Literatur und genetischer Daten analysieren.

Durch die Initiative Clinical Development nutzt IBM KI, um den klinischen Prüfungsprozess zu straffen, das Datenmanagement zu verbessern und die Markteinführungszeit neuer Therapien zu verkürzen.

Beyond CVAs

Interessanterweise glaubt das Ingenieurteam hinter dieser Initiative, dass die Software mit der Zeit auch andere neurologische Erkrankungen, die sich durch Gesichtsausdrücke äußern, genau identifizieren kann. Einige Beispiele für solche Erkrankungen sind:

• Bell’sche Fazialisparese
• Parkinson
• Myasthenia gravis
• Amyotrophe Lateralsklerose (ALS)

Teamleiter Professor Dinesh Kumar hat erklärt, dass

“Wir wollen so sensibel und spezifisch wie möglich sein. Wir arbeiten jetzt an einem KI‑Tool mit zusätzlichen Daten und werden auch andere Krankheiten in Betracht ziehen… Die Zusammenarbeit mit Gesundheitsanbietern wird entscheidend sein, um diese App in bestehende Notfall‑Protokolle zu integrieren und Sanitätern ein effektives Mittel zur frühen Schlaganfallerkennung zu bieten.”

Für jetzt hoffen wir, dass dieses Produkt perfektioniert wird und zur Marktreife gelangt, da es eine wichtige Rolle sowohl beim Retten von Leben als auch beim Erhalt der Lebensqualität unzähliger CVA‑Betroffener jedes Jahr spielen könnte.