Anhoren
Teilen
Ein interdisziplinäres Team der TU Graz hat eine innovative Methode entwickelt, die es ermöglicht, Herz-Kreislauf-Erkrankungen frühzeitig zu erkennen – noch bevor Symptome auftreten. Diese Methode könnte die Diagnose und Behandlung solcher Erkrankungen revolutionieren.
Herz-Kreislauf-Erkrankungen zählen weltweit zu den häufigsten Todesursachen. Oft werden sie erst diagnostiziert, wenn die Symptome bereits schwerwiegend sind und eine Operation unausweichlich erscheint. Ein Forschungsteam der TU Graz hat nun eine Methode entwickelt, mit der solche Erkrankungen frühzeitig erkannt werden können, bevor sie klinisch offensichtlich werden. Dabei setzen die Forschenden auf Machine Learning und digitale Zwillinge, um das Risiko von Herz-Kreislauf-Erkrankungen präziser und schneller zu bestimmen.
Früherkennung durch Machine Learning
Unter der Leitung von Prof. Gerhard Holzapfel haben Sascha Ranftl und Vahid Badeli im Rahmen des TU Graz-Leadprojekts „Mechanics, Modeling and Simulation of Aortic Dissection“ eine bahnbrechende Methode zur Früherkennung entwickelt. Diese basiert auf der Analyse von elektrischen Feldern im kardiovaskulären System, die durch Herz-Kreislauf-Erkrankungen beeinflusst werden. Die Forschenden nutzen hierbei elektrische, optische und Bioimpedanzsignale, die unter anderem von EKGs, PPGs oder sogar Smartwatches erfasst werden können. Diese Daten werden dann mittels eines selbst entwickelten Machine-Learning-Modells analysiert, das potenzielle Erkrankungen erkennt und die Wahrscheinlichkeit ihres Vorhandenseins angibt.
„Das Grundprinzip ist, dass jede Erkrankung, die die kardiovaskuläre Mechanik verändert, auch das extern angelegte elektrische Feld verändert“, erklärt Sascha Ranftl. So können beispielsweise Versteifungen der Arterien, die häufig Vorboten einer Aortendissektion sind, frühzeitig erkannt werden. Das Machine-Learning-Modell wurde mit realen klinischen Daten und Simulationen des Herz-Kreislauf-Systems trainiert, was zu einer Genauigkeit von über 90 Prozent bei der Diagnose führt.
Digitale Zwillinge für die Prognose und Therapie
Die Methode bietet nicht nur eine verbesserte Früherkennung, sondern ermöglicht auch eine detaillierte Prognose des Krankheitsverlaufs. Anhand der Diagnosedaten kann ein multiphysikalisches Simulationsmodell, ein sogenannter digitaler Zwilling, erstellt werden, der den weiteren Verlauf der Erkrankung vorhersagt. Dies ermöglicht es den Ärzten, frühzeitig therapeutische Maßnahmen zu ergreifen, die möglicherweise invasive Eingriffe vermeiden.
„Mit unseren Computermodellen und der Unterstützung durch Machine Learning können wir Informationen, die bisher schwer zu interpretieren waren, besser verstehen und Korrelationen aufdecken“, erläutert Vahid Badeli. Das Projekt, das bereits zum Patent angemeldet wurde, wird nun im TU Graz Spin-off arterioscope zur Marktreife weiterentwickelt, um die Technologie für die klinische Anwendung zu optimieren.
Zusammenspiel von Physik und Elektrotechnik
Diese innovative Entwicklung ist das Ergebnis einer engen interdisziplinären Zusammenarbeit. Sascha Ranftl, Physiker, und Vahid Badeli, Elektrotechniker, kombinierten ihr Fachwissen im Rahmen des Leadprojekts, um den Zusammenhang zwischen elektrischen Feldern und der Mechanik des kardiovaskulären Systems zu entschlüsseln. „Die Verbindung von theoretischer Physik und Elektrotechnik hat uns ermöglicht, eine Methode zu entwickeln, die weitreichende Auswirkungen auf die Früherkennung und Behandlung von Herz-Kreislauf-Erkrankungen haben könnte“, so Ranftl.
Die Forschung ist in den strategischen Schwerpunktfeldern „Human & Biotechnology“ und „Information, Communication & Computing“ der TU Graz verankert und unterstreicht das Potenzial interdisziplinärer Zusammenarbeit in der modernen Wissenschaft.
