Die Spiroergometrie (SE) ist ein wichtiges diagnostisches Verfahren zur Objektivierung der körperlichen Leistungsfähigkeit im Hinblick auf Atmung, Herz-/Kreislauffunktion, Stoffwechsel aber auch auf Motivation und „mentale“ Leistungsfähigkeit. Sie hat eine große Aussagekraft in der Beurteilung von Patientinnen und Patienten mit Erkrankungen der Lunge, des Herzens, der Muskelsystems sowie zur Leistungsbeurteilung von Sportlern. Beispielsweise kommt die SE zur Planung von Lungenoperationen oder Herz- und Lungentransplantation zum Einsatz. Hierzu werden während körperlicher Belastung (meist Fahrradergometer) zahlreiche Kreislauf- und Atmungsparameter bestimmt. Aus diesen Werten lassen sich wiederum andere Parameter wie die maximale Sauerstoffaufnahme oder Atemäquivalente für Sauerstoff und Kohlendioxid, d.h. letztlich Maße für die Effizienz der Atmung ableiten. Die Durchführung einer Spiroergometrie ist in zahlreichen Leitlinien verankert, wegen des hohen Zeitbedarfs und wegen der Komplexität der Auswertung wird die Untersuchung jedoch selten durchgeführt, so dass das Potential der SE bei weiten nicht ausgeschöpft wird.
Das Verfahren ist in der Durchführung relativ einfach, jedoch in der Auswertung komplex. Bei der Auswertung werden Einzelparameter und Korrelationen dieser Parameter im Zeitverlauf analysiert. Je nach Fragestellung werden verschiedene Abweichungen dieser Muster identifiziert. Hinzu kommt die Auswertung graphischer Darstellungen der aufgetragenen Parameter. Die Auswertung auf hohem Niveau basiert auf einem umfangreichen Spezialwissen kombiniert mit großer Erfahrung. Eine automatisierte Bewertung von SE-Untersuchungen durch ein KI-Modell stellt daher eine sehr nützliche Hilfe in der Praxis dar und ist das Projektziel von SPIRAKI.
Für die algorithmische Umsetzung wird eine neuro-symbolische KI entwickelt, ein Hybrid aus Deep Learning und Logik-basierter KI. Dieser hochaktuelle Ansatz verbindet die Performanz von neuronalen Netzen mit der Erklärbarkeit von Expertensystemen. Aus den Rohdaten von Kreislauf- und Atmungsfunktionsmessung werden mit Deep Learning Kenngrößen ermittelt, die als Input für die nachgeschaltete Logik-basierte KI dienen. Diese kann den komplexen Diagnoseleitfaden anwenderfreundlich als Expertenwissen direkt in das KI-Modell integrieren, um medizinisches Fachwissen auszunutzen. SPIRAKI verwendet dazu eine probabilistisch Logiksprache, die es erlaubt, sowohl die Ausgaben der neuronalen Netze detailliert zu verarbeiten als auch gleichzeitig eine Wahrscheinlichkeit bei den Diagnosen auszugeben. Da Logik basierte KI von sich aus grundsätzlich erklärbar ist, werden durch deren Einsatz die KI-basierten Diagnosen erklärbar gemacht und können vom Arzt nachvollzogen werden. Dies schafft ärztliches Vertrauen und Akzeptanz in die KI-Anwendung. Das fertige Modell kann als Decision-Support-System für die Ergometrie eingesetzt werden und den durchführenden Arzt bei der Diagnose effizient unterstützen. Untersuchungen lassen sich dadurch einfacher und sicherer durchführen, da die Software auch fehlerhaft durchgeführte Spiroergometrien erkennen kann. SPIRAKI erlaubt dadurch eine deutlich breitere und einfachere Nutzung der SE als bisher. Durch die Vereinfachung und Zeitersparnis wird die Spiroergometrie als Basisuntersuchung einer Vielzahl von Patientengruppen zugänglich und attraktiv und kann so eine breite Bevölkerung erreichen. Die Auswertung bedarf je nach Erfahrung des Untersuchers einen Zeitaufwand von 20-60 Minuten. Dieser Aufwand wird durch SPIRAKI auf wenige Minuten reduziert. Dadurch können umfangreiche Patientengruppen versorgt werden mit verbreiteten Symptomgruppen (Luftnot, eingeschränkte Belastbarkeit) und zahlreichen Volkskrankheiten wie Herzinsuffizienz oder Chronisch Obstruktiver Lungenkrankheit (COPD).
Partner
Universität des Saarlandes, Lehrstuhl für Pneumologie, Allergologie, Beatmungs- und Umweltmedizin
