MÜNCHEN / LONDON (IT BOLTWISE) – Ein britisches Forscherteam stellt auf dem ESC-Kongress eine KI vor, die Herzschwäche und Klappenerkrankungen aus dem EKG in etwa zwei Sekunden erkennen soll. Das Modell wurde mit Millionen EKG-Aufzeichnungen trainiert und in einer Untersuchung an 67.000 Patientinnen und Patienten in den USA auf hohe Trefferquoten gebracht. Laut den Forschenden dient die Software als Filter, damit Hochrisiko-Fälle schneller zu einem Echokardiogramm kommen. Die Ergebnisse sind bislang noch nicht in einem begutachteten Fachjournal veröffentlicht.
KI liest EKG in Sekunden und erkennt Herzschwäche-Risiken (Foto: IT BOLTWISE)
🧠 KI & Robotik auf Google News abonnieren
Wer in Kliniken auf einen Herzultraschall wartet, erlebt den Engpass selten als statistisches Problem, sondern als echte Verzögerung bei potenziell kritischen Befunden. Genau dort setzt die neue KI-gestützte Auswertung von Elektrokardiogrammen (EKG) an: Ein britisches Team präsentierte auf dem Kongress der Europäischen Gesellschaft für Kardiologie (ESC) in MÜNCHEN ein Modell, das Herzschwäche sowie Herzklappenerkrankungen anhand eines EKGs in rund zwei Sekunden priorisieren soll. Der zentrale Punkt der Meldung ist weniger die „automatische Diagnose“ als die Geschwindigkeit der Risiko-Erkennung, damit besonders dringende Fälle schneller in die nächste Abklärungsstufe rutschen.
Technisch wird das Vorhaben damit begründet, dass Herzprobleme in der elektrischen Signatur des Herzens messbar sind, auch wenn der endgültige Nachweis je nach Fragestellung häufig ein Echokardiogramm erfordert. In der beschriebenen Studie wurde die KI mit Millionen EKG-Aufzeichnungen trainiert und anschließend in einer Untersuchung an 67.000 Patientinnen und Patienten in den USA getestet. Dabei erreichte die Software bis zu 81 Prozent der Menschen mit Herzschwäche und bis zu 90 Prozent derjenigen mit einer Herzklappenerkrankung. Für die Praxis ist diese Spanne deshalb relevant, weil ein Screening-Algorithmus nicht nur „richtig“ liegen muss, sondern auch zuverlässig genug sein sollte, um Prioritäten im Workflow zu verschieben.
Die Autoren betonen, dass die KI den Ultraschall nicht ersetzen soll, sondern Ärztinnen und Ärzte mit Hinweisen unterstützt. Das Konzept lautet: Wer als Hochrisiko-Patient markiert wird, kann direkt für ein Echokardiogramm eingeplant werden. In einer realen Klinik bedeutet das weniger „End-to-End-Automatisierung“, mehr Entscheidungsunterstützung: Das EKG läuft im Hintergrund ohnehin mit, und die Software kann als zusätzlicher Layer die Liste der nächsten Untersuchungen sortieren. Besonders wichtig ist dabei die Einordnung der aktuellen Datenlage: Die vorgestellten Ergebnisse sind nach Angaben im Text bislang nicht in einem begutachteten Fachjournal veröffentlicht.
Ein zweiter Aspekt betrifft die Umsetzbarkeit im Alltag, weil EKGs nicht nur bei Verdacht auf Herzinsuffizienz angefordert werden. Laut den Angaben entstehen EKGs aus vielen Anlässen, etwa bei Brustschmerzen, bei Routinekontrollen oder zur Vorbereitung auf Operationen. Dadurch könnte sich die KI „opportunistisch“ über bereits vorhandene oder parallel anfallende EKG-Daten legen lassen und auch solche Fälle markieren, bei denen in diesem Moment niemand explizit nach Herzschwäche oder Klappenerkrankung sucht. Diese Logik passt zu einem generischen Trend in der Medizin-Software: Modelle werden immer häufiger als kontinuierliche Hintergrundanalyse gedacht, nicht als einmaliger Test im Anschluss an eine klare Leitdiagnose.
Zu den praktischen Hürden gehört dennoch die Frage, wie schnell aus einem „Hinweis“ tatsächlich eine bessere Versorgungskette wird. Fu Siong Ng, Professor für Kardiologie am Imperial College London, stellt in der vorliegenden Darstellung den Nutzen vor allem als Priorisierungsmechanismus heraus: Patientinnen und Patienten warteten nach Überweisung teils mehrere Monate auf einen Herzultraschall. Genau hier kann eine KI helfen, ohne dass sie die diagnostische Endentscheidung allein übernehmen muss. Wenn das Modell die dringenden Fälle herausfiltert, reduziert sich die Zeit bis zur Bildgebung, und damit steigt die Chance, dass aus einem Warnsignal früher eine gezielte Abklärung wird.
Neben dem Fokus auf Herzinsuffizienz und Klappenerkrankungen wird auch beschrieben, dass sich aus EKG-Signalen mittels verschiedener KI-Modelle weitere Muster ableiten lassen. Für andere Erkrankungen nennt das Team Trefferquoten zwischen 83 und 93 Prozent bei Herzerkrankungen sowie noch etwa 70 bis 80 Prozent bei Zuständen wie Diabetes und Nierenleiden. Gleichzeitig zeigt das, wie anspruchsvoll Multi-Task- oder Transferlernen in der Kardiologie sein kann: Je weiter man sich von der ursprünglichen Zielklasse entfernt, desto größer ist typischerweise das Risiko von Verwechslungen mit Begleitmustern. Umso entscheidender ist dann die Integration in klinische Pfade, damit die KI eher eskaliert oder priorisiert, statt neue diagnostische Sackgassen zu erzeugen.
Für die Branche signalisiert die Ausgründung ebenfalls, dass aus der reinen Forschung ein produktionsnahes Geschäft werden soll. Die Technologie wurde inzwischen in das Unternehmen Cardiovolt.ai ausgegliedert. Der Ansatz der Arbeitsgruppe am National Heart and Lung Institute des Imperial College London wird dabei mit dem Anspruch beschrieben, aus EKGs mehr herauszulesen als das, was einzelne Spezialistinnen und Spezialisten in gleicher Zeit manuell leisten können; Arunashis Sau wird in diesem Zusammenhang mit der Aussage zitiert, sie hätten sich EKGs angesehen, um „Dinge“ zu finden, die übermenschlich seien und kein Kardiologe leisten kann, egal wie erfahren. In der Summe zeigt die Entwicklung, wie schnell KI-Methoden von der Datenanalyse zur klinischen Prozessoptimierung vordringen: Nicht die „magische Genauigkeit“ ist der einzige Maßstab, sondern die Frage, ob sich damit Wartezeiten, Untersuchungsreihenfolgen und letztlich die Versorgung messbar verbessern lassen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Ergänzungen und Infos bitte an die Redaktion per eMail an de-info[at]it-boltwise.de. Da wir bei KI-erzeugten News und Inhalten selten auftretende KI-Halluzinationen nicht ausschließen können, bitten wir Sie bei Falschangaben und Fehlinformationen uns via eMail zu kontaktieren und zu informieren. Bitte vergessen Sie nicht in der eMail die Artikel-Headline zu nennen: „KI liest EKG in Sekunden und erkennt Herzschwäche-Risiken“.