- Förderung der Gates Foundation zur Untersuchung spezifischer Schwangerschaftskomplikationen in ressourcenarmen Umgebungen
- KI wird mit Daten aus universell vorgeschriebenen pränatalen Blutbilddaten trainiert; keine zusätzlichen Verfahren oder Kosten
- Ziel ist eine KI-gesteuerte Risikostratifizierung um Laborarbeit zu reduzieren und zeitnahe Interventionen zu ermöglichen
Siemens Healthineers plant, mit Finanzierung der Gates Foundation, künstliche Intelligenz (KI) zu entwickeln, um eine frühere Vorhersage von Präeklampsie und Anämie zu ermöglichen. Bei diesen Erkrankungen sterben jährlich über eine halbe Million Frauen und Kinder, Millionen weitere werden gesundheitlich eingeschränkt. Ziel ist es, die Laborbelastung in ressourcenarmen Umgebungen zu verringern und gleichzeitig zeitnahe klinische Interventionen zu ermöglichen. Damit sollen die Müttergesundeit verbessert, und Leben gerettet werden.
Machine-Learning-Ansätze werden vollständige Blutbilddaten (CBC1) zusammen mit relevanten Patientenmetadaten nutzen, um Screening-Verfahren und die Risikostratifizierung für schwangerschaftsbedingte Gesundheitsrisiken in ressourcenarmen Umgebungen zu verbessern. Die daraus resultierenden Modelle dienen der Ableitung eines integrierten Müttergesundheitsscores, der die klinische Entscheidungsfindung sowie eine frühzeitige Risikoidentifikation unterstützt.
"Healthcare AI wird maßgeblich dazu beitragen, Ergebnisse vorherzusagen anstatt nur auf Symptome zu reagieren", sagte Bernd Montag, CEO von Siemens Healthineers. "Ich freue mich über diese Bemühungen, die Früherkennung nicht nur zu einer Möglichkeit, sondern zu einem skalierbaren Standard für Frauen und Kinder überall auf der Welt zu machen."
Die Initiative baut auf der Arbeit auf, die Siemens Healthineers leistet, um die Geschlechtergesundheitslücke zu schließen. Frauen verbringen ein Viertel ihres Lebens in schlechterer Gesundheit als Männer, was Familien, Gemeinschaften und Wirtschaft belastet2.
Siemens Healthineers steuert im Projekt die gesamte Grundlagentechnik bei. Unterstützt durch einen Zuschuss der Gates Foundation–und gemeinsam mit Partnern im globalen Süden – werden darauf aufbauend Machine-Learning-Modelle entwickelt und validiert, die in ressourcenarmen Umgebungen eingesetzt werden können. Daten aus dem großen Blutbild (CBC) und Patienten-Metadaten, wie zum Beispiel Ferritinwerte, werden zur Erstellung von Modellen genutzt, um einen Score für die Müttergesundheit zu entwickeln, der das Risiko für Präeklampsie bewertet und Anämie erkennt. Präeklampsie verursacht jährlich mehr als 76.000 mütterliche und 500.000 perinatale Todesfälle3, wobei die mit Abstand größte Last auf Ländern mit niedrigem und mittlerem Einkommen liegt4. Schätzungen zufolge sind weltweit eine halbe Milliarde Frauen im Alter von 15 bis 29 Jahren und 269 Millionen Kinder im Alter von 6 bis 59 Monaten von Anämie betroffen5. Diese ist laut der WHO vermeidbar sowie behandelbar und tritt bei Frauen im gebärfähigen Alter in Entwicklungsländern viermal häufiger auf als in Industrienationen6. Da vollständige Blutbildwerte routinemäßig verschrieben und häufig im Rahmen der pränatalen Versorgung durchgeführt werden, können die vorgeschlagenen Modelle mit Daten dieser bestehenden Standardlabortests trainiert, wodurch zusätzliche Tests oder zusätzliche Kosten entfallen.
Siemens Healthineers wird zum Abschluss des Projekts Ergebnisse zur Validität der Algorithmen und deren Einsatz im Gesundheitswesen veröffentlichen.
