Ein neu entwickeltes Tool, das sich Computer Vision und künstliche Intelligenz (KI) zunutze macht, könnte Klinikern helfen, Plazenten bei der Geburt schnell zu untersuchen, und auf diese Weise die Versorgung von Neugeborenen und Müttern verbessern, so die Ergebnisse einer neuen Studie von Wissenschaftlern der Northwestern Medicine und der Penn State University. Die Studie, die in der Printausgabe der Zeitschrift „Patterns“ veröffentlicht wurde, beschreibt ein Computerprogramm namens PlacentaVision, das ein einfaches Foto der Plazenta analysieren kann, um Anomalien im Zusammenhang mit Infektionen und neonataler Sepsis zu erkennen, einer lebensbedrohlichen Erkrankung, von der weltweit Millionen von Säuglingen betroffen sind.
Plazenta nicht ohne Untersuchung entsorgen
„Die Plazenta ist eines der häufigsten Dinge, die wir im Labor sehen“, sagte der Co-Autor der Studie, Dr. Jeffery Goldstein, Direktor für perinatale Pathologie und außerordentlicher Professor für Pathologie an der Feinberg School of Medicine der Northwestern University. “Wenn auf der Neugeborenen-Intensivstation ein krankes Kind behandelt wird, können schon wenige Minuten bei der medizinischen Entscheidungsfindung einen Unterschied machen. Mit einer Diagnose anhand dieser Fotos können wir Tage früher eine Antwort erhalten, als es in unserem normalen Prozess der Fall wäre.“ Northwestern stellte den größten Satz an Bildern für die Studie zur Verfügung, und Goldstein leitete die Entwicklung und Fehlerbehebung der Algorithmen. Alison D. Gernand, leitende Forscherin des Projekts, hatte die ursprüngliche Idee für dieses Tool durch ihre Arbeit im Bereich der globalen Gesundheit, insbesondere bei Schwangerschaften, bei denen Frauen aufgrund mangelnder medizinischer Ressourcen zu Hause entbinden. „Die Plazenta ohne Untersuchung zu verwerfen, ist ein häufiges, aber oft übersehenes Problem“, sagte Gernand, außerordentliche Professorin am Penn State College of Health and Human Development (HHD) Department of Nutritional Sciences. “Es ist eine verpasste Gelegenheit, Probleme zu erkennen und frühzeitig einzugreifen, um Komplikationen zu reduzieren und die Ergebnisse für Mutter und Kind zu verbessern.“
Warum eine frühzeitige Untersuchung der Plazenta wichtig ist
Die Plazenta spielt eine entscheidende Rolle für die Gesundheit der Mutter und des Babys während der Schwangerschaft, wird jedoch bei der Geburt oft nicht gründlich untersucht, insbesondere in Gebieten mit begrenzten medizinischen Ressourcen. „Diese Forschung könnte Leben retten und die Gesundheitsergebnisse verbessern“, sagte Yimu Pan, Doktorand im Informatikprogramm des College of Information Sciences and Technology (IST) und Hauptautor der Studie. “Sie könnte die Plazentauntersuchung zugänglicher machen und der Forschung und Versorgung künftiger Schwangerschaften zugutekommen, insbesondere für Mütter und Babys mit einem höheren Risiko für Komplikationen.“
Eine frühzeitige Erkennung von Plazentainfektionen durch Hilfsmittel wie PlacentaVision könnte es Klinikern ermöglichen, umgehend Maßnahmen zu ergreifen, wie z. B. die Verabreichung von Antibiotika an Mutter oder Kind und die genaue Überwachung des Neugeborenen auf Anzeichen einer Infektion, so die Wissenschaftler. PlacentaVision ist laut den Forschern für den Einsatz in einer Reihe von medizinischen Fachgebieten vorgesehen.„In Gebieten mit geringen Ressourcen – an Orten, an denen Krankenhäuser keine Pathologielabore oder Spezialisten haben – könnte dieses Tool Ärzten helfen, Probleme wie Infektionen durch eine Plazenta schnell zu erkennen“, so Pan. “In gut ausgestatteten Krankenhäusern kann das Tool Ärzten schließlich dabei helfen, festzustellen, welche Plazenten einer weiteren, detaillierten Untersuchung bedürfen, wodurch der Prozess effizienter wird und sichergestellt wird, dass die wichtigsten Fälle priorisiert werden.“
Bevor ein solches Tool weltweit eingesetzt werden kann, mussten wir zunächst die technischen Kernhindernisse überwinden. Dazu gehörte, das Modell flexibel genug zu gestalten, um verschiedene Diagnosen im Zusammenhang mit der Plazenta zu bewältigen, und sicherzustellen, dass das Tool robust genug ist, um verschiedene Entbindungsbedingungen zu bewältigen, einschließlich Schwankungen bei den Lichtverhältnissen, der Bildqualität und den klinischen Rahmenbedingungen.
Wie das Tool lernte, Plazentabilder zu analysieren
Die Forscher nutzten das cross-modale kontrastive Lernen, eine KI-Methode zur Angleichung und zum Verständnis der Beziehung zwischen verschiedenen Datentypen – in diesem Fall visuell (Bilder) und textlich (pathologische Berichte) –, um einem Computerprogramm beizubringen, wie man Plazentabilder analysiert. Sie sammelten einen großen, vielfältigen Datensatz von Plazentabildern und pathologischen Berichten aus einem Zeitraum von 12 Jahren, untersuchten, wie diese Bilder mit den Gesundheitsergebnissen zusammenhängen, und erstellten ein Modell, das auf der Grundlage neuer Bilder Vorhersagen treffen kann. Das Team entwickelte außerdem verschiedene Bildbearbeitungsstrategien, um unterschiedliche Aufnahmebedingungen zu simulieren, damit die Belastbarkeit des Modells richtig bewertet werden kann. Das Ergebnis war PlacentaCLIP+, ein robustes Modell für maschinelles Lernen, das Fotos von Plazenten analysieren kann, um Gesundheitsrisiken mit hoher Genauigkeit zu erkennen. Es wurde länderübergreifend validiert, um eine konsistente Leistung in verschiedenen Bevölkerungsgruppen zu bestätigen.
Laut den Forschern ist PlacentaVision so konzipiert, dass es einfach zu bedienen ist, und potenziell über eine Smartphone-App oder integriert in eine Software für Krankenakten funktioniert, sodass Ärzte nach der Entbindung schnelle Antworten erhalten können. Der nächste Schritt besteht darin, die Entwicklung einer benutzerfreundlichen mobilen App, die von medizinischem Fachpersonal – mit minimalem Schulungsaufwand – in Kliniken oder Krankenhäusern mit geringen Ressourcen eingesetzt werden kann. Die benutzerfreundliche App würde es Ärzten und Krankenschwestern ermöglichen, Plazenten zu fotografieren und sofortiges Feedback zu erhalten und die Versorgung zu verbessern. Die Forscher planen, das Tool noch intelligenter zu machen, indem sie weitere Arten von Plazentamerkmalen einbeziehen und klinische Daten hinzufügen, um die Vorhersagen zu verbessern und gleichzeitig zur Erforschung der langfristigen Gesundheit beizutragen. Sie werden das Tool auch in verschiedenen Krankenhäusern testen, um sicherzustellen, dass es in einer Vielzahl von Umgebungen funktioniert.
