Neue Einblicke in die Herzkinematik: Bewertung von Software und KI für die Analyse einzelner Zellen und Herzmodelle

MÜNCHEN (IT BOLTWISE) – Die Herzforschung erlebt einen bedeutenden Fortschritt durch den Einsatz von Computer Vision und Künstlicher Intelligenz. In einer aktuellen Studie wurden verschiedene Software-Tools zur Messung zellulärer Kinematik verglichen, um genaue Einsichten in die Bewegungsdynamik von Herzzellen und -modellen zu gewinnen.

In der Kardiovaskulären Forschung steht die zuverlässige Erkennung und Quantifizierung funktioneller Parameter des Herzens im Mittelpunkt des Interesses. Die fortgeschrittene Computer Vision ermöglicht die Entwicklung offener Algorithmen zur Messung zellulärer Kinematik. In einer neuesten Studie wurden verschiedene Softwarelösungen anhand von in-silico Modellen, in-vitro isolierten adulten ventrikulären Kardiomyozyten und Herzmodellen (sogenannten Cardioids) verglichen.

Mittels hochauflösender in-vitro Videos, aufgenommen bei suprathreshold Stimulation mit 0.5-1-2 Hz, wurde eine umfangreiche Analyse durchgeführt. Zusätzlich wurden die Proben inotropen und depolarisierenden Substanzen ausgesetzt, um die Reaktionen auf diese Einflüsse zu untersuchen. Die Auswertung der in-silico und in-vitro Videos erfolgte durch den Einsatz von drei Software-Tools: (i) MUSCLEMOTION, ein Goldstandard unter den Open-Source-Programmen; (ii) CONTRACTIONWAVE, eine neu entwickelte Tracking-Software; und (iii) ViKiE, eine eigens angepasste Video-Kinematik-Bewertungssoftware.

Interessanterweise lieferten alle Software-Tools vergleichbare Schätzungen mechanischer Parameter des Herzens. Zum Beispiel maßen sie in den Cardioids bei 0.5 Hz Schlagdauer-Werte von 1053.58 ms (MUSCLEMOTION), 1043.59 ms (CONTRACTIONWAVE) und 937.11 ms (ViKiE). ViKiE zeigte eine höhere Empfindlichkeit in den exponierten Proben aufgrund seiner lokalen kinematischen Analyse, während MUSCLEMOTION und CONTRACTIONWAVE eine zeitlich korrelierte globale Bewertung ermöglichten.

Darüber hinaus wurden drei Machine-Learning-Algorithmen in die Studie integriert, um die Robustheit der Bewegungserfassungsansätze zu testen. Die Ergebnisse offenbarten, dass eine höhere Genauigkeit erzielt wurde, wenn die Algorithmen mit dem MUSCLEMOTION-Datensatz trainiert wurden im Vergleich zu den anderen Programmen (Genauigkeit > 83%).

Die Studie liefert wertvolle Erkenntnisse für die genaue Auswahl und Integration von Software-Tools in die Pipeline der kinematischen Analyse, zugeschnitten auf das jeweilige experimentelle Protokoll.

Die Herzforschung profitiert enorm von diesen technologischen Fortschritten, da sie ein detaillierteres Verständnis der komplexen Dynamiken des Herzens ermöglicht. Diese Fortschritte in der Software- und KI-gestützten Analyse werden zweifellos dazu beitragen, zukünftige therapeutische Ansätze zu formen und unsere Kenntnisse über Herzgesundheit und -krankheiten zu vertiefen.

Hinweis: Teile dieses Textes könnten mithilfe einer Künstlichen Intelligenz generiert worden sein.