Künstliche Intelligenz in der Meningitis-Diagnose: Ein Überblick

Künstliche Intelligenz (KI) ist in aller Munde und dringt zunehmend in verschiedene Bereiche der Medizin vor, darunter auch die Neurologie. Die Grundlage eines jeden KI-Modells ist die Analyse von Daten. Dank der stetig wachsenden Datenmengen, die im medizinischen Sektor generiert werden, hat die KI ausreichend große Mengen an Daten zur Verfügung, um mittels KI analysiert werden zu können. Dieser Artikel beleuchtet die Anwendung von KI in der Diagnostik von Meningitis, einer potenziell lebensbedrohlichen Entzündung der Hirnhäute.

Einführung in die Meningitis und ihre Diagnose

Akute Meningitis und Enzephalitis (AME) sind Syndrome von Infektionen des zentralen Nervensystems (ZNS), die zu neurologischen Schäden und Todesfällen führen können. Eine Meningitis, die länger als vier Wochen besteht und persistierende Symptome verursacht, gilt als chronisch. Zu den möglichen Symptomen einer chronischen Meningitis gehören Kopfschmerzen, Abgeschlagenheit, Persönlichkeitsveränderungen und Fieber. Auch Hirnnerven-Dysfunktionen wie Hörverlust oder Doppelbilder können auf eine chronische Meningitis hinweisen. Weitere potenzielle Krankheitszeichen sind Hydrocephalus und erhöhter Hirndruck, Krampfanfälle, schlaganfallähnliche Episoden sowie kranielle Neuropathien oder Radikulopathien. Nackensteifigkeit tritt im Gegensatz zur akuten Meningitis selten auf. Kognitive Veränderungen betreffen etwa 40 % der Patienten und sind manchmal das einzige Krankheitszeichen. Bei Patienten mit einer schnell fortschreitenden Demenz müsse daher die chronische Meningitis als Differenzialdiagnose bedacht werden. Ein stetig zunehmender Kopfschmerz, vor allem in Verbindung mit mentalen Veränderungen, solle immer Anlass zu einer raschen Lumbalpunktion geben.

Die Untersuchung des Liquors ist für die Diagnosestellung einer Vielzahl von neurologischen Erkrankungen von Bedeutung. Sie kann bei Verdacht auf Meningitis, multiple Sklerose, Blutungen oder Meningeosis carcinomatosa die Therapieentscheidung bestimmen.

Die Rolle der KI in der neurologischen Diagnostik

KI-Modelle sowie aktuelle Forschungen und Anwendungen in der Neurologie geben Anlass zur Hoffnung auf verbesserte Diagnose- und Therapiemöglichkeiten. KI-Algorithmen können große Datenmengen analysieren und Muster erkennen, die für das menschliche Auge möglicherweise nicht sichtbar sind. Dies ermöglicht eine präzisere und schnellere Diagnosestellung, was insbesondere bei zeitkritischen Erkrankungen wie der Meningitis von entscheidender Bedeutung ist.

KI-gestützte Analyse von Liquor cerebrospinalis

Die Analyse des Liquor cerebrospinalis ist eine essenzielle Maßnahme und diagnostisch wegweisend bei Infektionen oder autoimmunen Entzündungen des zentralen Nervensystems (ZNS), bei neoplastischer Infiltration der Hirnhäute, zum Nachweis von Abräumreaktionen nach Blutungen in den Subarachnoidalraum oder in die Hirnventrikel sowie zur Früh- und Differenzialdiagnostik neurodegenerativer Erkrankungen.

Lesen Sie auch: Künstliche Beatmung nach Schlaganfall: Was Sie wissen müssen

Die Liquoranalytik besteht aus einem 3-teiligen Stufenprogramm:

1. Präanalytik: Der Liquor muss wegen einer rasch einsetzenden Zytolyse zeitnah (maximal binnen 2 Stunden nach der Lumbalpunktion) untersucht werden, um die Zellzahl zu ermitteln und die zytologischen Präparate anzufertigen. Liquor muss stets gemeinsam mit einer zeitnah zur Lumbalpunktion entnommenen Serumprobe untersucht werden, da die Proteinkonzentrationen im Liquor neben der Liquorflussgeschwindigkeit hauptsächlich von deren Blutkonzentrationen abhängen und deshalb das Serum zwingend als Bezugsgröße für die Liquorproteinanalytik herangezogen werden muss. Nach Plasmapherese oder Therapie mit hoch dosierten Immunglobulinen (IVIG) sollte eine Liquoranalyse frühestens nach 48 Stunden erfolgen, da sich das Fließgleichwicht der Proteine zwischen Blut- und Liquorkompartiment verzögert adaptiert. Ansonsten werden unplausible Proteinbefunde erhoben.
2. Analytik:
   • Zellprofil: Automaten zur Zellzählung und -differenzierung sollten wegen unzuverlässiger Befunde vermieden werden. Die Differenzialzytologie sollte uneingeschränkt bei jeder Punktion unabhängig von der Gesamtzellzahl durchgeführt werden. Eine Zellvermehrung ≥ 5/µl kommt vor bei ZNS-Entzündungen, aber auch bei Tumorinfiltration der Meningen sowie als Reizreaktion nach Traumen, intrazerebralen und subarachnoidalen Blutungen, intrathekaler Applikation von Medikamenten (z. B. Zytostatika) oder nach wiederholter Lumbalpunktion und Anlage einer externen Ventrikeldrainage. Das normale Zellbild besteht aus mononukleären Zellen mit deutlichem Überwiegen von Lymphozyten gegenüber Monozyten.
   • Laktat und Glukose: Die Bestimmung des Liquorlaktats ist - da auch ohne Kenntnis des korrespondierenden Serumwertes diagnostisch relevant - gegenüber der Bestimmung der Liquorglukose, die stets in Bezug zur Serumglukose beurteilt werden muss (normal: Liquor-/Serumquotient > 0,5), vorteilhaft. Zu einem Anstieg des Liquorlaktats kommt es insbesondere bei Infektionen durch Bakterien und Mycobakterium tuberculosis sowie auch bei Meningeosis carcinomatosa.
   • Proteinprofil: Liquor und Serum (verdünnt) müssen für die Proteinanalytik im selben Test und im vergleichbaren Konzentrationsbereich gemessen werden, um methodischen Impräzisionen vorzubeugen. Für die Beurteilung der Blut-Liquor-Schrankenfunktion (BLS) und einer möglichen intrathekalen Produktion von Immunglobulinen müssen für Albumin (Referenzprotein für die BLS) und Immunglobuline die Liquor-/Serumkonzentrationsquotienten berechnet werden. Die Quotientenbildung für Albumin (QAlb) und Immunglobuline (QIgG, QIgA, QIgM) normiert die von den jeweiligen Serumkonzentrationen abhängige Diffusion dieser Proteine in den Liquor und macht die gemessenen Liquorkonzentrationen unabhängig von den individuell variablen Serumkonzentrationen.
3. Integrierter Gesamtbefund: Die zusammenfassende Darstellung der erhobenen Einzelparameter in einem integrierten Gesamtbefund ist unerlässlich, um krankheitstypische Befundmuster sowie deren Plausibilität auf Anhieb zu erfassen. Der integrierte Gesamtbefund umfasst obligat Angaben zu:
   • der zellulären Beschaffenheit des Liquors (Zellzahl und Zytologie).
   • den Liquor-/Serumquotienten von Albumin und den Immunglobulinen. QAlb reflektiert die individuelle BLS, da Albumin rein extrazerebral (in der Leber) produziert wird und somit die Albuminkonzentration im Liquor ausschließlich aus dem Blut stammt. Mit Bezug auf QAlb erlaubt die vergleichende Analyse der Liquor-/Serumquotienten für die Immunglobulinklassen eine quantitative Aussage darüber, ob sich mehr IgG, IgA oder IgM im Kompartiment Liquor befindet, als dies theoretisch durch reine Diffusion zu erwarten wäre. Ist dies der Fall, liegt eine intrathekale Ig-Produktion vor, die einen entzündlichen Prozess im ZNS nachweist und je nach Befundmuster dessen nähere Eingrenzung ermöglicht.
   • der Relation der Immunglobulin-Quotienten zum Albumin-Quotienten anhand von Quotendiagrammen, die von Reiber und Felgenhauer etabliert wurden und einer empirisch und theoretisch fundierten Hyperbelfunktion folgen. Die Quotientendiagramme für IgG, IgA, IgM werden, sortiert nach der Radiusgröße der Proteine (IgG < IgA < IgM), grafisch untereinander wiedergegeben, was neben der Erkennung krankheitstypischer Muster dem Labor auch die Überprüfung der Befundplausibilität gestattet.
   • oligoklonalen IgG-Banden (OKB). OKB treten unspezifisch bei subakuten und chronischen Entzündungen des ZNS als Korrelat einer oligoklonalen B-Zell-Aktivierung auf. Der qualitative Nachweis liquorspezifischer OKB mittels isoelektrischer Fokussierung weist gegenüber den auf der Grundlage quantitativer Messungen ermittelten Quotientendiagrammen mit höherer Empfindlichkeit das Vorliegen einer intrathekalen IgG-Synthese nach. Ein OKB-Muster liegt vor, wenn in parallelen Liquor-/Serumproben ≥ 2 Banden im Liquor, aber nicht im Serum (Typ-2-Muster) oder ≥ 2 liquorspezifische Banden zusätzlich zu identischen Banden in Liquor und Serum (Typ-3-Muster) zur Darstellung kommen.

KI-Algorithmen können in all diesen Schritten unterstützen, indem sie beispielsweise:

• die Zellzählung und -differenzierung automatisieren und präzisieren.
• Muster in den Proteinprofilen erkennen, die auf eine bestimmte Art von Meningitis hindeuten.
• die Interpretation der Quotendiagramme erleichtern und die Plausibilität der Befunde überprüfen.
• die Suche nach oligoklonalen Banden automatisieren und beschleunigen.

Schnellere Diagnostik durch PCR-Tests mit KI-Unterstützung

Bosch Healthcare Solutions hat mit Vivalytic Bacterial Meningitis einen neuen PCR-Test entwickelt, der sechs wichtige bakterielle Meningitis-Erreger in weniger als einer Stunde nachweist. Die bakterielle Meningitis stellt einen medizinischen Notfall dar, bei dem jede Minute zählt. Um schwerwiegende Folgen wie Todesfälle oder bleibende Schäden zu vermeiden, sind eine rasche Diagnose und der unverzügliche Beginn einer gezielten antibiotischen Behandlung von entscheidender Bedeutung.

Der neu entwickelte Multiplex-PCR-Test von Bosch erfüllt die aktuellen Leitlinienempfehlungen für die Diagnostik bei Verdacht auf eine bakterielle Meningitis. Diese sehen aufgrund der kurzen Analysezeit und hohen Sensitivität den Einsatz solcher Tests vor. Mit Vivalytic Bacterial Meningitis liegt das Ergebnis in weniger als einer Stunde vor und eignet sich für alle Patientinnen und Patienten mit entsprechendem Verdacht.

Der Test deckt auf einer einzigen Kartusche die sechs wichtigsten bakteriellen Erreger in verschiedenen Altersgruppen ab:

Lesen Sie auch: Künstliche Intelligenz verstehen

• Neugeborene und junge Säuglinge sind hauptsächlich durch Streptococcus agalactiae, Escherichia coli und Listeria monocytogenes gefährdet.
• Bei älteren Säuglingen, Kleinkindern und jungen Erwachsenen dominieren Infektionen mit Neisseria meningitidis und Streptococcus pneumoniae.

Gemäß der aktuellen Leitlinie sollten PCR-Tests zur Überprüfung der Empfindlichkeit von Antibiotika stets durch eine Liquorkultur ergänzt werden. Nach der Entnahme des Liquors wird empfohlen, umgehend mit einer Antibiotikatherapie zu beginnen, gegebenenfalls in Kombination mit dem entzündungshemmenden Wirkstoff Dexamethason. Dabei ist Zeit ein relevanter Faktor: Spätestens ein bis drei Stunden nach Eintreffen des oder der Betroffenen in der Notaufnahme sollte die Behandlung eingeleitet werden. Der Vivalytic Bacterial Meningitis-Test liefert innerhalb dieses Zeitfensters ein zuverlässiges Ergebnis und ermöglicht somit einen leitliniengerechten Therapiebeginn.

KI kann hierbei unterstützen, indem sie:

• die Ergebnisse der PCR-Tests analysiert und interpretiert.
• die Wahrscheinlichkeit für das Vorliegen einer bakteriellen Meningitis basierend auf den PCR-Ergebnissen und anderen klinischen Daten berechnet.
• Empfehlungen für die weitere Behandlung gibt.

Fallbeispiel: FilmArray® ME Panel

Eine Studie analysierte 969 Liquorproben von Patienten mit Verdacht auf ZNS-Infektionen mithilfe des FilmArray® ME Panel. Dabei wurden 101 Fälle positiv auf virale (n = 55), bakterielle (n = 38), fungale (n = 7) und polymikrobielle (n = 1) Erreger getestet. Das FilmArray® ME Panel ermöglicht den schnellen Nachweis von 14 Erregern direkt aus CSF. Im Vergleich zu Gram-Färbung, Kultur, Antigennachweis und CSF-biochemischer Analyse hat das FilmArray® ME Panel mehr Fälle entdeckt, von denen einige mit herkömmlichen Methoden schwer zu diagnostizieren sind.

OtoDX: KI-gestützte Diagnose von Ohrinfektionen als mögliche Meningitis-Ursache

OtoDX ist ein KI-Modell, das von Forschenden des Massachusetts Eye and Ear-Instituts (Mass Eye and Ear) entwickelt wurde. Es arbeitet mit „Deep Learning“ und wurde mit Hilfe von hunderten von Fotografien aufgebaut, die von Kindern stammen, die am Mass Eye and Ear einen operativen Eingriff wegen rezidivierender Ohrinfektionen oder Flüssigkeitsansammlung in den Ohren hatten.

Unbehandelte Ohrinfektionen können Komplikationen wie beispielsweise Meningitis zur Folge haben. Frühere Studien legen nahe, dass die normale Diagnosegenauigkeit von Ohrinfektionen mittels körperlicher Untersuchung bei Kindern unter 70 Prozent liegt, selbst mit technologischen Neuerungen und klinischen Praxisleitlinien.

Lesen Sie auch: Einführung in KI für Spiele

In einer Studie verglichen die Forschenden die Genauigkeit eines verfeinerten Modells im direkten Vergleich mit klinisch tätigen Ärzten. Um das Modell zu trainieren wurden über 639 Bilder von Trommelfellen von Kindern 18 Jahre und jünger genutzt, die sich einem chirurgischen Eingriff - entweder Paukenröhrchen oder Abfluss von Flüssigkeit aus den Ohren - unterziehen mussten. Die Bilder wurden in die Kategorien „normal“, infiziert“ oder „Flüssigkeitsansammlung hinter dem Trommelfell“ eingeteilt. Während das Maschine-Learning-Model 95 Prozent der Beispiel-Bilder korrekt zuteilen konnte, lag der mittlere Diagnose-Score der 39 Kliniker, die geantwortet hatten, bei 65 Prozent.

Herausforderungen und ethische Aspekte

Obwohl KI in der Meningitis-Diagnose vielversprechend ist, gibt es auch Herausforderungen und ethische Aspekte zu berücksichtigen:

• Datenqualität und -menge: KI-Modelle benötigen große Mengen an qualitativ hochwertigen Daten, um zuverlässige Ergebnisse zu liefern. Die Verfügbarkeit solcher Daten ist jedoch nicht immer gegeben.
• Blackbox-Effekt: Viele KI-Algorithmen sind "Blackboxes", d.h. es ist nicht immer klar, wie sie zu ihren Ergebnissen gelangen. Dies kann das Vertrauen in die KI-basierte Diagnose untergraben.
• Verantwortung: Es ist wichtig zu klären, wer die Verantwortung für Fehlentscheidungen trägt, die auf KI-basierten Diagnosen beruhen.
• Datenschutz: Der Schutz der Patientendaten muss jederzeit gewährleistet sein.

tags: #kunstliche #intelligenz #meningitis