KI erkennt Herzrhythmusstörungen – bis zu 14 Tage im Voraus

Für ihre im «European Heart Journal» veröffentlichte Studie analysierte das Team Langzeit-EKGs aus sechs Ländern. Die KI erhielt jeweils die ersten 24 Stunden einer 14-tägigen Aufzeichnung und sollte vorhersagen, ob in den kommenden 13 Tagen eine anhaltende ventrikuläre Tachykardie (VT) auftritt.

Von den mehr als 247'000 ausgewerteten Langzeit-EKGs wiesen nur 0,5 Prozent (1104 Datensätze) tatsächlich eine anhaltende ventrikuläre Tachykardie (VT) auf. Das KI-Modell erreichte in der internen Validierung eine Genauigkeit von 0,957 und in der externen 0,948 (AUROC).

Bei einer festgelegten Spezifität von 97 Prozent erkannte es rund 70 Prozent der späteren Ereignisse korrekt. Besonders zuverlässig war die Vorhersage bei schnellen VT-Formen mit über 180 Schlägen pro Minute (Trefferquote rund 81 Prozent) sowie bei Fällen, die in Kammerflimmern übergingen (90 Prozent). Analysen der EKG-Signale deuten darauf hin, dass eine hohe Last ventrikulärer Extraschläge und frühe Depolarisationsmuster wichtige Risikomerkmale sind.

Die Forschenden vermuten, dass die Software feine Veränderungen im EKG erkennt, etwa eine hohe Belastung durch Extrasystolen oder minimale Unregelmässigkeiten in der frühen Phase des QRS-Komplexes. Diese Signale sind für das menschliche Auge schwer zu identifizieren, könnten aber entscheidend für das Risiko sein.

Weil das System mit einem einzelnen EKG-Kanal arbeitet, könnte es künftig nicht nur in Spitälern, sondern auch in tragbaren Geräten wie Smartwatches oder implantierbaren Loop-Recordern eingesetzt werden. Ziel sei es, gefährdete Patientinnen und Patienten früh zu identifizieren und gezielt zu überwachen – bevor es zu einer lebensbedrohlichen Rhythmusstörung kommt.

Noch befindet sich die Technologie in einer frühen Validierungsphase. Doch schon jetzt sehen Fachleute darin die Chance auf eine neue Form der kurzfristigen Herzschutz-Strategie – und vielleicht eines Tages auf weniger plötzliche Herztode.