DE19820276A1 - Berechnung des globalen Herzinfarktrisikos mittels neuronaler Netze aus Risikofaktoren - Google Patents

Abstract

Es wird ein Verfahren zur "Berechnung des globalen Herzinfarktrisikos mittels neuronaler Netze aus Risikofaktoren" als Patent angemeldet. Das Verfahren beruht auf den Daten einer epidemiologischen Studie (PROCAM Studie) an 4849 Männern im Alter von 40 bis 65 Jahren, die zuvor noch keinen Herzinfarkt oder Schlaganfall erlitten hatten und in einem 8-jährigen Nachbeobachtungszeitraum bezüglich neu auftretender Herzinfarkte unter Beobachtung gehalten wurden. Zur Modellierung der PROCAM Daten wurde ein spezielles Multi-layer Perceptron-Netzwerk (neuronales Netzwerk) mit Standardsoftware (SPSS Inc. and Recognition Systems Inc.) unter Berücksichtigung folgender Parameter von uns entwickelt: Alter, Gesamt-, HDL- und LDL-Cholesterin, Triglyzeride, systolischer und diastolischer Blutdruck, antihypertensive Behandlung, derzeitiger und früherer Zigarettenkonsum, Diabetes mellitus, Behandlung des Diabetes mellitus (Diät, orale Antidiabetika, Insulin), Nüchternblutzucker, Harnsäure, Body Mass Index, Familiengeschichte für den Herzinfarkt und Angina pectoris. DOLLAR A Im Vergleich zu den bisher benutzten statistischen Verfahren zur Risikovorhersage mittels multipler logistischer Funktionsanalyse bzw. Weibull-Funktionen erlaubt das Verfahren bezüglich Sensitivität und Spezifität Aussagen zur Risikovorhersage für einen neuen Herzinfarkt, die bisher nicht möglich waren (Abbildung 1). So beträgt die Fläche unter der ROC-Kurve (Receiver-Operating-Characteristic-Kurve) statt 82,2% (multiple ...

Description

Neuste Empfehlungen zur Prädiktion der koronaren Herzkrankheit (KHK) und zur Entschei­ dungsfindung, ob und mit welcher Intensität Risikofaktoren der KHK behandelt werden sollen, basieren auf dem "globalen Risiko oder Gesamt-Risiko". Darunter versteht man die Erkennt­ nis, daß für die Prognosestellung keine Risikofaktoren isoliert betrachtet werden können, sondern daß für die fundierte klinische Beurteilung des Herzinfarktrisikos eines Patienten die Zahl und der Schweregrad aller relevanten Faktoren gleichzeitig beurteilt werden müssen.

Das Gesamtrisiko für den Herzinfarkt unter Berücksichtigung der wichtigsten Risikofaktoren wird bisher mit Risiko-Algorithmen ermittelt. Diese Risiko-Schätzungen wurden mittels multivariater statistischer Verfahren [multiple logistische Funktion (MLF) oder Weibull Funktionen] aus großen epidemiologischen Studien wie der Framingham-Heart-Study (Ci­ rculation 1991, 83: 356-362; J Clin Epidemiol 1994, 47: 583-592) oder der vom Institut für Arterioskleroseforschung an der Universität Münster durchgeführten "Prospektiven Cardiovas­ kulären Münster (PROCAM)-Studie" abgeleitet (Am J Cardiol 1996, 77: 1179-1184).

Ein Schwachpunkt dieser Algorithmen ist die Tatsache, daß nur statistisch unabhängige, nicht korrelierte Parameter berücksichtigt werden können. Variable, die ähnliche aber durchaus verschiedene Information beinhalten, können nicht gleichzeitig in das Modell aufgenommen werden. Außerdem scheinen die Möglichkeiten, die Risikovorhersage mit Hilfe dieser statisti­ schen Verfahren etwa durch Hinzunahme weiterer Risikofaktoren zu verbessern, erschöpft. Werden die zur Zeit bekannten Algorithmen an den Daten großer epidemiologischer Studien überprüft, so werden in das oberste Quintil der Verteilung des geschätzten Risikos nur etwa zwei Drittel der tatsächlich beobachteten Inzidenzen der KHK eingeordnet. Dies führt dazu, daß bei sehr vielen Patienten eine Behandlung eingeleitet wird, die nicht erforderlich oder sinnvoll ist. Umgekehrt werden Patienten nicht erkannt, bei denen eine Behandlung der vorliegenden Risikofaktoren erforderlich wäre.

Ziel einer Risikoschätzung ist es, Hochrisikogruppen zu definieren, die einen möglichst großen Prozentsatz aller tatsächlich auftretenden KHK Inzidenzen bei möglichst wenigen falsch posi­ tiven Zuordnungen umfaßt.

Zur Lösung dieser Aufgabe haben wir neue Methoden der "künstlichen Intelligenz" (Analyse mit neuronalen Netzen) auf die Daten der PROCAM Studie angewandt und zur Risiko- Vorhersage benutzt.

Im Gegensatz zur statistischen multivariaten Analyse erlaubt der Einsatz neuronaler Netze die umfassende gleichzeitige Auswertung aller Einzeldaten eines Patienten (z. B. neben dem ja­ nein Merkmal Zigarettenrauchen auch die Anzahl der gerauchten Zigaretten; neben der Variablen Diabetes die exakte Höhe des gemessenen Blutzuckerspiegels und die Behandlungs­ form; systolischer und diastolischer Blutdruck trotz hoher Korrelation gleichzeitig; usw.). Vergleichende Aussagen zur Güte der Risikoabschätzung für verschiedene Verfahren der Risikovorhersage sind mittels Spezifität (Prozentsatz der richtig erkannten Probanden mit geringem KHK Risiko) und Sensitivität (Prozentsatz der richtig erkannten Probanden mit hohem KHK Risiko) mit Receiver-Operating-Characteristic (ROC)-Kurven an Hand der Daten großer epidemiologischer Studien möglich. Überprüfungen an den Daten der PROCAM Studie zeigen, daß die Verfahren der neuronalen Netzwerkanalyse den multivariaten statistis­ chen Methoden hinsichtlich Sensitivität und Spezifität weit überlegen sind (Abb. 1): Mit Hilfe neuronaler Netzwerkanalyse ist es möglich, etwa 80% aller innerhalb von acht Jahren neu auftretenden Infarkte bei zunächst gesunden Männern auf ein Risikokollektiv von 10% der Population einzugrenzen (Abb. 2). In dem so definierten Risikokollektiv (oberstes Dezil der Verteilung des mittels neuronaler Netze berechneten Risikos) erlitten 446 von 1000 Probanden innerhalb von 8 Jahren tatsächlich einen Herzinfarkt (Abb. 3). Dabei wird eine Spezifität von über 90% erreicht.

Im Vergleich dazu wird mit der besten uns derzeit bekannten multiplen logistischen Funktion (ebenfalls abgeleitet aus der PROCAM Studie) im Hochrisiko-Kollektiv, das als oberstes Quintil der Verteilung definiert wurde, eine Sensitivität von "nur" 62,2% bei einer Spezifität von 82,4% erreicht. Die beobachtete Inzidenz einer KHK betrug 169 pro 1000 Männer innerhalb von 8 Jahren.

Die hier vorgestellten Verfahren zur Berechnung des globalen Risikos haben wichtige Implika­ tionen für die Therapie in der Primärprävention der koronaren Herzkrankheit. Die in ver­ schiedenen Empfehlungen angegebenen Grenzwerte für Cholesterin und/oder LDL-Choleste­ rin, oberhalb derer der Patient einer Behandlung bedarf, sind nicht sinnvoll, wenn das globale Risiko nicht berücksichtigt wird. Zum Beispiel hatten in der PROCAM-Studie von den 1596 Teilnehmern mit LDL-Cholesterin-Werten < 160 mg/dl, bei denen nach bisherigen Empfeh­ lungen eine Cholesterin-senkende Behandlung eingeleitet werden sollte, 1363 Personen (84,4%) ein mit neuronaler Netzwerkanalyse berechnetes Infarktrisiko von weniger als 2% pro Jahr, so daß eine Behandlung nicht erforderlich scheint. Hingegen war bei immerhin 53 = 3,9% von 1357 Männern mit LDL-Cholesterin-Werten < 130 mg/dl, bei denen nach bisherigen Empfehlungen eine Cholesterin-senkende Behandlung nicht erforderlich ist, das mit neuro­ naler Netzwerkanalyse ermittelte Infaktrisiko größer als 2% pro Jahr, so daß eine Behandlung anzuraten ist (Tabelle).

In der Primärprävention sollten z. B. Statine zur Cholesterinsenkung nicht aufgrund bestimmter Cholesterin- oder LDL-Cholesterinwerte eingesetzt bzw. vorenthalten werden (Ausnahme Extremwerte), vielmehr sollte die Medikation aufgrund obiger medizinischer (und auch ökonomischer) Überlegungen auf die Hochrisikogruppe in der Bevölkerung beschränkt werden (z. B. oberes Dezil der Analyse mit neuronalen Netzen).

Claims (2)

1. Berechnung des globalen Herzinfarktrisikos aus Risikofaktoren, dadurch gekennzeichnet, daß das Risiko mittels neuronaler Netzwerkanalyse aus den Daten einer epidemiologischen Studie bestimmt wird.

2. Berechnung nach Anspruch 1, dadurch gekennzeichnet, daß zur Modellierung der Daten ein spezielles Multi-layer Perceptron-Netzwerk benutzt wird.