Schlaganfall: App erkennt erste Anzeichen Logo of esanum https://www.esanum.de

Schlaganfall-App zur Erkennung von Symptomen in der Akutphase

FAST.AI ist eine App, die in der Lage ist, Symptome eines Schlaganfalls in Echtzeit zu erkennen. Ziel ist es, den Patienten dazu zu bringen, den Notdienst zu kontaktieren.

Schlaganfall: Mit Smartphone Anzeichen selbst erkennen

Übersetzt aus dem Französischen

Smartphones haben sich bereits bei der Erkennung von Vorhofflimmern1 oder bei der Differentialdiagnose von Atemwegserkrankungen bei Kindern anhand der Analyse des Hustengeräuschs bewährt.2

Bald könnte die Technologie es ermöglichen, in Echtzeit die Symptome eines Schlaganfalls zu erkennen – die derzeit fünfthäufigste Todesursache in den USA. Die Ergebnisse der vorläufigen Forschungsarbeiten zur FAST.AI-Anwendung wurden kürzlich auf der International Stroke Conference 2023 in Dallas vorgestellt.

"Unser Ziel ist sehr einfach. Wir wollen den Schlaganfall erkennen, sobald er auftritt", sagte Radoslav I. Raychev, Hauptautor der Studie zu FAST.AI und vaskulärer Neurologchirurg an der Universität von Kalifornien in Los Angeles.

Bei einem ischämischen Schlaganfall (87% der Fälle in den USA) sterben jede Minute 1,9 Millionen Gehirnzellen ab. Eine thrombolytische Behandlung wie Alteplase IV r-tPA muss innerhalb von 4,5 Stunden verabreicht werden. Frühere Untersuchungen haben gezeigt, dass Schlaganfallpatienten, die innerhalb von 90 Minuten nach Auftreten der ersten Symptome behandelt werden, eine fast dreimal so hohe Chance haben, sich mit geringen oder keinen Folgeschäden zu erholen.

Bei leichten Anzeichen ist es jedoch selbst für medizinisches Fachpersonal schwierig, festzustellen, ob eine Person einen Schlaganfall erlitten hat. Dies gilt umso mehr für den Betroffenen selbst oder seine Angehörigen, die oft zögern, den Notdienst zu kontaktieren.

Smartphone-Kamera analysiert Gesichter

FAST.AI ist eine vollautomatische Smartphone-App, die mithilfe von Algorithmen des maschinellen Lernens asymmetrische Gesichter, schwache Gliedmaßen und Sprachschwierigkeiten erkennt. Die Schwelle für die Erkennung von Symptomen ist besonders niedrig.

Der Name der App leitet sich von einem Akronym ab, das verwendet wird, um Ersthelfer an die Untersuchung zu erinnern, die bei Verdacht auf einen Schlaganfall durchgeführt werden muss:

FAST.AI nutzt die Kamera des Smartphones, um das Gesicht des Patienten zu analysieren, indem es 68 Gesichtsmarkierungen untersucht. Spezielle Sensoren messen außerdem die Bewegung und Ausrichtung der Arme. Schließlich wird ein Mikrofon verwendet, um Sprachstörungen zu erkennen. Die gesammelten Informationen werden dann zur Analyse an eine Datenbank gesendet.

Erfolgreiche Tests

Die Forschenden validierten die Leistung von FAST.AI, indem sie es an fast 270 Patientinnen und Patienten (41% Frauen; Durchschnittsalter 71 Jahre) testeten, bei denen ein akuter Schlaganfall diagnostiziert wurde. Die Neurologen verglichen die Ergebnisse anschließend mit ihren eigenen klinischen Befunden.

Die Tests wurden innerhalb von 72 Stunden nach der Aufnahme der Patienten in die Fachabteilungen von vier bulgarischen Universitätskliniken durchgeführt. Die Studie wurde zwischen Juli 2021 und Juli 2022 durchgeführt.

Ergebnisse

  1. Die App erkannte bei 97 % der Patienten präzise die mit dem Schlaganfall verbundene Gesichtsasymmetrie.
  2. Die App erkannte die Schwäche eines Arms in 72% der Fälle genau.
  3. Obwohl das Sprachanalysemodul noch nicht vollständig validiert und getestet wurde, haben vorläufige Analysen bestätigt, dass es in der Lage sein könnte, mit Schlaganfällen verbundene Sprachstörungen zuverlässig zu erkennen.

Eine Einschränkung der Studie bestand darin, dass lediglich den Neurologen – und nicht den Angehörigen oder gar den Patienten selbst – erklärte wurde, wie die App zu verwenden ist.

Seit dieser ersten Forschungsphase wurde die App an mehreren hundert weiteren Patienten getestet. Die Studie dauert noch an und die App befindet sich noch in der Entwicklung. Sie ist daher noch nicht für die Öffentlichkeit verfügbar.

Referenzen:

  1. Rizas, K.D., Freyer, L., Sappler, N. et al. Smartphone-based screening for atrial fibrillation: a pragmatic randomized clinical trial. Nat Med 28, 1823–1830 (2022). https://doi.org/10.1038/s41591-022-01979-w
  2. Porter, P., Abeyratne, U., Swarnkar, V. et al. A prospective multicentre study testing the diagnostic accuracy of an automated cough sound centred analytic system for the identification of common respiratory disorders in children. Respir Res 20, 81 (2019). https://doi.org/10.1186/s12931-019-1046-6