KI entdeckt verstecktes Signal im EKG: Plötzlicher Herztod besser vorhersagbar

KI entdeckt verstecktes Signal im EKG: Plötzlicher Herztod besser vorhersagbar

Forschende der University of California, Berkeley, haben eine bahnbrechende Studie im Fachjournal Nature veröffentlicht . Sie zeigt: Ein speziell trainiertes Deep-Learning-Modell hat in Routine-Elektrokardiogrammen (EKG) ein völlig neues, bislang unbekanntes elektrisches Signal entdeckt . Dieses Signal ermöglicht es, das Risiko eines plötzlichen Herztodes deutlich präziser einzuschätzen als mit allen bisherigen Standardmethoden.

Das bisher unentdeckte Signal

Das KI-Modell analysiert feinste Wellenmuster im EKG – winzige Spannungsänderungen, die das Herz bei jedem Schlag produziert. Normale ärztliche Auswertungen und Routine-Tests können diese Muster nicht erkennen . Diese Signale scheinen direkt mit einer Fehlfunktion des elektrischen Systems des Herzens zusammenzuhängen, die einem plötzlichen Herzstillstand vorausgeht. Die genauen physiologischen Abläufe dahinter sind noch nicht vollständig verstanden; die KI hat aber offenbar ein Merkmal identifiziert, das mit dem „verhängnisvollen Aussetzen“ des Herzschlags zusammenhängt .

Training und Validierung auf drei Kontinenten

Das Team um den Epidemiologen und KI-Experten Prof. Ziad Obermeyer trainierte sein Modell mit mehr als 440.000 EKGs aus Schweden. Diese Daten waren mit Todesbescheinigungen verknüpft, sodass die KI lernen konnte, welche EKG-Muster bei Menschen auftraten, die später am plötzlichen Herztod starben . Anschließend erfolgte die Validierung an tausenden unabhängigen Patientendaten aus San Diego (USA) und Taipeh (Taiwan) . Die Ergebnisse bestätigen die hohe Zuverlässigkeit des Algorithmus über verschiedene Bevölkerungsgruppen hinweg.

Bessere Risikoerkennung: 7 % statt 4,6 %

Das KI-System identifiziert eine Hochrisikogruppe mit einer jährlichen Sterblichkeitsrate von 7 %. Zum Vergleich: Die aktuell besten klinischen Tests, die messen, wie viel Blut das Herz pro Schlag auswirft (Auswurffraktion), erkennen eine Hochrisikogruppe mit einer Rate von nur 4,6 % . Mit anderen Worten: Die KI entdeckt deutlich mehr Menschen, die tatsächlich gefährdet sind – und das, obwohl sie nach herkömmlichen Maßstäben als risikoarm gelten . Dies könnte jährlich tausenden Patienten das Leben retten.

Warum die Erkennung bisher so schwierig ist

Jährlich sterben allein in den USA über 300.000 Menschen am plötzlichen Herztod – das Herz stellt seine elektrische Aktivität ohne Vorwarnung ein . Es gibt eine wirksame Therapie: implantierbare Defibrillatoren (ICD), die das Herz bei einem lebensbedrohlichen Rhythmus durch einen Elektroschock wieder in den Takt bringen. Das Problem: „Die Ärzte können nicht vorhersagen, wer einen braucht, bevor es zu spät ist“, erläutert Obermeyer . Denn die Patienten sterben so abrupt, dass fast nie EKG-Daten unmittelbar vor dem Ereignis vorliegen; Autopsien zeigen zwar strukturelle Schäden, aber nicht das elektrische Versagen davor .

Nächste Schritte

Das Forscherteam plant, den Algorithmus in Gesundheitssystemen einzusetzen, um Ärzte bei der Entscheidung für oder gegen einen ICD zu unterstützen . Die Studie ebnet auch den Weg für neue Grundlagenforschung: Wenn man die von der KI entdeckten Signale versteht, könnte man die Mechanismen hinter plötzlichen Herzrhythmusstörungen endlich entschlüsseln . Da EKGs weltweit in jeder Klinik und Praxis günstig und routinehaft durchgeführt werden, ist eine großflächige Anwendung des Tools denkbar – ein entscheidender Schritt, um unzählige Leben zu retten .