Herleitung und Validierung eines maschinellen Lern-gestützten Scores zur Vorhersage der diagnostischen Trefferquote der endomyokardialen Biopsie

Warum das für Menschen mit Herzinsuffizienz wichtig ist

Wenn Ärztinnen und Ärzte nicht herausfinden können, warum jemand Herzinsuffizienz hat, entnehmen sie manchmal mit einem Verfahren namens Biopsie winzige Gewebestücke des Herzens. Dieser Test kann verborgene Erkrankungen aufdecken, die eine spezielle Behandlung erfordern, ist aber invasiv, mit Risiken verbunden und liefert oft keine klare Antwort. Diese Studie stellte eine einfache, patientenorientierte Frage: Lässt sich Information aus Bildgebung und Bluttests zu einem intelligenten Score kombinieren, der den Ärzten vorab sagt, ob eine Herzbiopsie voraussichtlich wirklich hilfreich sein wird?

Ein genauerer Blick auf einen risikobehafteten Herztest

Die endomyokardiale Biopsie, bei der ein kleines Instrument durch eine Vene ins Herz geführt wird, um Gewebeproben zu entnehmen, ist seit Langem der letzte Schritt, wenn die Ursache einer Herzinsuffizienz unklar bleibt. In der Praxis führen die meisten dieser Biopsien jedoch nicht zur Aufdeckung einer spezifischen Erkrankung. In dieser Studie untersuchten die Forschenden 775 Personen mit unerklärter Herzinsuffizienz, die in einem schwedischen Krankenhaus behandelt wurden. Alle hatten im Rahmen der Abklärung eine Biopsie erhalten. Nur etwa eine von fünf Biopsien (19,9 %) ergab eine eindeutige Diagnose, am häufigsten eine Proteinablagerungserkrankung namens kardiale Amyloidose. Eine zweite, unabhängige Gruppe von 171 Patientinnen und Patienten aus einem italienischen Krankenhaus wurde später zur Prüfung der Verlässlichkeit der Ergebnisse herangezogen.

Aus Bildgebung und Bluttests wird ein Vorhersagescore

Das Team sammelte eine breite Palette von Informationen, die routinemäßig vor einer Biopsie erhoben werden: Herzultraschall, kardiale MRT-Aufnahmen, Blutdruck, Nierenfunktion, EKG-Streifen und Blutmarker für Herzbelastung. Anschließend verglichen sie mehrere Computerlernverfahren, um zu ermitteln, welche Methode am besten zwischen Patienten unterscheidet, bei denen die Biopsie diagnostisch wäre, und solchen, bei denen sie ergebnislos bleibt. Am besten schnitt eine Methode namens Random Forests ab. Daraus leiteten die Forschenden einen einfachen 0–100-Score ab, der nur neun Faktoren berücksichtigt, wobei Narben-ähnliche Muster im kardialen MRT und zwei Blutwerte besonders stark gewichtet wurden: ein Herzversagen-Hormon (NT-proBNP) und die Nierenfiltrationsrate.

Was die Herzbildgebung verrät

Das MRT-Merkmal mit der größten Bedeutung war die „Late Gadolinium Enhancement“—helle Bereiche, die krankes Herzgewebe markieren—insbesondere wenn sie auf der rechten Seite des Herzens, in der unteren und seitlichen Wand der Hauptauswurfkammer sowie in den oberen Herzkammern zu sehen sind. Personen mit diesen Mustern zusammen mit hohen NT-proBNP-Werten und eingeschränkter Nierenfunktion hatten deutlich höhere Chancen, dass die Biopsie eine spezifische Erkrankung aufdeckte. Im Gegensatz dazu waren helle Bereiche, die auf die Vorderwand des Herzens beschränkt sind, mit einer geringeren Wahrscheinlichkeit für eine aussagekräftige Biopsie verbunden. Bei der Testung trennte der Score Biopsien mit hoher von solchen mit niedriger Trefferquote sehr gut: Das Maß der Genauigkeit, die Fläche unter der Kurve, lag in beiden Kohorten bei etwa 0,9, was als exzellent gilt.

Hilfe bei der Entscheidung, wer wirklich eine Biopsie braucht

Um den Score an der Patientenbettenpraxis nutzbar zu machen, prüften die Autorinnen und Autoren, wie sich verschiedene Grenzwerte auswirkten. Ein Score von 60 oder höher identifizierte eine kleinere Patientengruppe, bei der die Wahrscheinlichkeit für eine diagnostische Biopsie sehr hoch war, mit nahezu keinen Fehlalarmen in beiden Krankenhäusern. Dieser Schwellenwert begünstigt das „Einhospitalisieren“ von Personen zur Biopsie, wenn der Nutzen am größten ist—wichtig, weil Biopsien invasive Eingriffe sind. Der Score war besonders stark bei der Erkennung der kardialen Amyloidose, einer Erkrankung, die oft weit verbreitete MRT-Veränderungen und auffällig abnorme Blutwerte zeigt. Selbst nach Ausschluss der Amyloidose-Fälle brachte der Score noch einen Netto-Nutzen gegenüber dem pauschalen Biopsieren aller oder keines, insbesondere bei Patientinnen und Patienten mit anderen vermuteten infiltrativen oder entzündlichen Herzerkrankungen.

Was das für Patientinnen, Patienten und Ärztinnen und Ärzte bedeutet

Für Menschen mit rätselhafter Herzinsuffizienz bietet diese Arbeit einen Weg, schwierige Entscheidungen über Biopsien evidenzbasierter und weniger abhängig von individueller Intuition zu treffen. Indem Muster aus MRT-Bildern und gängigen Bluttests in eine klare 0–100-Skala kombiniert werden, hilft der Score zu erkennen, wer am ehesten von einer Herzgewebeentnahme profitiert und wer wahrscheinlich die Risiken und Belastungen ersparen kann. Die Autorinnen und Autoren betonen, dass der Score nicht das klinische Urteil oder neuere nicht-invasive Tests ersetzen sollte, sondern als Entscheidungsunterstützung in Grenzfällen dienen soll. Im Alltag könnte ein solches Werkzeug unnötige Eingriffe reduzieren, Biopsien dort fokussieren, wo sie am aufschlussreichsten sind, und letztlich den Weg zur richtigen Diagnose und Behandlung für Patientinnen und Patienten mit unerklärter Herzinsuffizienz beschleunigen.

Zitation: Basile, C., Polte, C.L., Gentile, P. et al. Derivation and validation of a machine learning-driven score to predict the diagnostic yield of endomyocardial biopsy. npj Digit. Med. 9, 228 (2026). https://doi.org/10.1038/s41746-026-02421-y

Schlüsselwörter: Herzinsuffizienz, Herzbiopsie, Kardiales MRT, Maschinelles Lernen, Kardiale Amyloidose