Fortschritte der Künstlichen Intelligenz in der Früherkennung von Herzerkrankungen

Die medizinische Diagnostik, insbesondere im Bereich der Kardiologie, steht an der Schwelle einer signifikanten Transformation. Traditionell war die Vorhersage von Herzinfarkten eine komplexe Aufgabe, die stark von der Erfahrung und den verfügbaren Daten der Kardiologen abhing. Die Einführung von Künstlicher Intelligenz (KI) in diesen Bereich verspricht nun, die Präzision und Effizienz der Früherkennung erheblich zu verbessern. Verschiedene Startups und Forschungsprojekte widmen sich der Entwicklung von KI-gestützten Lösungen, um Herzinfarkte und andere Herzerkrankungen zu prognostizieren, oft bevor physische Symptome auftreten.

KI-basierte Analyse von bildgebenden Verfahren

Ein zentraler Ansatz in der KI-gestützten Herzinfarkterkennung ist die Analyse von bildgebenden Verfahren. Computertomografie-Aufnahmen (CTs), die häufig für andere diagnostische Zwecke wie die Lungenkrebsvorsorge oder nach Unfällen erstellt werden, enthalten eine Fülle von Informationen, die bisher oft ungenutzt blieben. KI-Algorithmen sind in der Lage, diese Millionen von vorhandenen CT-Bildern auf subtile Anzeichen von Herzerkrankungen zu untersuchen.

Koronarkalk als Marker

Ein wichtiger Marker für das Herzinfarktrisiko ist der Koronarkalk (Coronary Artery Calcium, CAC). Dieser Kalkablagerung in den Herzarterien ist ein Indikator für atherosklerotische Prozesse. Während spezielle CT-Untersuchungen des Herzens zur Quantifizierung von CAC existieren, wird Koronarkalk auf routinemäßigen Brust-CTs oft übersehen oder nur subjektiv beschrieben. Hier setzen KI-Algorithmen an: Sie können CAC-Werte aus diesen Routinedaten berechnen und somit die Erfassung dieser wichtigen Messgröße massiv erweitern. Diese Automatisierung ermöglicht es, Patienten mit erhöhten CAC-Werten zu identifizieren, deren Risiko auf den ersten Blick möglicherweise nicht erkennbar ist. Startups wie Bunkerhill Health, Nanox.AI und HeartLung Technologies arbeiten intensiv an der Entwicklung solcher Systeme.

Herausforderungen und Potenziale der CAC-Analyse

Die flächendeckende Implementierung dieser KI-gestützten CAC-Analyse wirft jedoch Fragen auf. Bislang galten CAC-Scans nicht als universelles Vorsorgeinstrument, und die Kosten werden in vielen Gesundheitssystemen nicht standardmäßig übernommen. Eine dänische Studie aus dem Jahr 2022 konnte beispielsweise keinen Vorteil hinsichtlich der Sterblichkeitsrate bei Patienten feststellen, die sich einem CAC-Screening unterzogen hatten. Sollten KI-Systeme diese Informationen jedoch automatisch und in großem Umfang liefern, könnte sich die Wahrnehmung ändern. Es stellt sich die Frage, wie Gesundheitssysteme auf eine potenziell massive Zunahme von abnormalen CAC-Befunden reagieren würden und ob dies tatsächlich zu einer besseren Patientenversorgung führt. Ein hohes CAC-Ergebnis bei einem asymptomatischen Patienten könnte zu unnötigen und kostspieligen Folgeuntersuchungen führen, während ein Null-Wert trügerische Sicherheit vermitteln könnte.

KI in der Echtzeit-Diagnostik: EKG und Wearables

Neben der Analyse bestehender Bilddaten spielt KI auch eine zunehmend wichtige Rolle in der Echtzeit-Diagnostik, insbesondere durch die Auswertung von Elektrokardiogrammen (EKGs) und Daten von Wearables.

Neuartige Chips und Smartwatches

Forscher der University of Mississippi haben einen neuartigen Chip entwickelt, der mithilfe von KI und der Fast Fourier Transformation (FFT) EKG-Daten in Echtzeit analysiert. Dieser Chip kann Anzeichen eines drohenden Herzinfarkts mit einer Genauigkeit von über 92% erkennen und eine sofortige Warnung ausgeben. Im Gegensatz zu vielen kommerziellen Wearables, die Daten zur Auswertung in die Cloud senden, arbeitet dieser Chip direkt am Körper, was im Notfall entscheidende Zeit sparen kann. Auch wenn bestehende Geräte wie die Apple Watch EKGs aufzeichnen können, dürfen sie aufgrund regulatorischer Hürden keine Herzinfarktdiagnosen stellen. Die Marktreife solcher innovativen Chips erfordert weitere Validierung durch umfassende Studien, um Fehlalarme zu minimieren und die Zuverlässigkeit zu gewährleisten.

Eine Machbarkeitsstudie zur KI-gestützten Smartwatch-EKG-Technologie zeigt zudem das Potenzial zur frühzeitigen Vorhersage und Prävention von Rehospitalisierungen aufgrund von Herzinsuffizienz. Durch tägliches Smartwatch-EKG-Monitoring und KI-Algorithmen können Indikatoren wie linksventrikuläre systolische Dysfunktion (LVSD), linksventrikuläre diastolische Dysfunktion (LVDD) und Myokardinfarkt (MI) frühzeitig erkannt werden. Dies ermöglicht zeitnahe klinische Interventionen und kann die Rate unerwünschter Krankenhausaufenthalte reduzieren.

Stimme als Biomarker

Ein weiterer vielversprechender Ansatz ist die Analyse der menschlichen Stimme. Forschende am Deutschen Herzzentrum der Charité und der Mayo Clinic untersuchen, wie der Klang der Stimme von Patienten mit fortgeschrittener Herzschwäche telemedizinisch überwacht werden kann. Eine KI-Software, beispielsweise vom Berliner Startup Noah Labs, analysiert hunderte von Stimmparametern, um selbst kleinste Veränderungen zu erkennen. Diese Veränderungen können auf Flüssigkeitsansammlungen im Körper hinweisen, die bei Herzinsuffizienz auftreten. Die KI lernt, den Behandlungserfolg vorherzusagen und ermöglicht es Ärzten, frühzeitig gegenzusteuern. Diese Methode ist schmerzfrei, unkompliziert und erfordert lediglich ein Aufnahmegerät wie ein Smartphone.

KI in der Telemedizin und Patientenüberwachung

Die Telemedizin profitiert ebenfalls stark von KI-gestützten Lösungen. Remote Patient Management (RPM) ermöglicht die kontinuierliche Überwachung von Patienten außerhalb des Krankenhauses. Ein KI-basiertes Risikomodell, das im Rahmen der TIM-HF2-Studie entwickelt wurde, analysiert tägliche Daten von nicht-invasiven Überwachungsgeräten sowie den individuellen Grundrisiko-Score eines Patienten. Dieses Modell kann ungeplante Herzinsuffizienz-Krankenhausaufenthalte innerhalb von sieben Tagen zuverlässiger vorhersagen als herkömmliche Algorithmen.

Die Studie zeigte, dass das KI-Modell bereits drei Wochen vor einem Ereignis eine kontinuierliche Aufwärtsentwicklung des Risikos anzeigte. Dies ermöglicht es, frühzeitig medizinische Maßnahmen einzuleiten. Eine Simulation ergab, dass die tägliche Überprüfung von nur einem Drittel der Patienten mit dem höchsten KI-Risiko-Score 95% der Herzinsuffizienz-Krankenhausaufenthalte innerhalb der folgenden sieben Tage erkennen würde. Dies könnte die Effizienz von RPM-Programmen erheblich steigern und den Pflegeaufwand für medizinisches Personal reduzieren, indem der Fokus auf die Patienten mit dem höchsten Bedarf gelegt wird.

Die Rolle des Arztes und ethische Überlegungen

Die Integration von KI in die Kardiologie wirft auch Fragen hinsichtlich der Rolle des Arztes und ethischer Aspekte auf. Professor Holger Thiele, Ärztlicher Direktor der Universitätsklinik für Kardiologie am Herzzentrum Leipzig, betont, dass KI in einigen Diagnoseverfahren bereits heute präziser sein kann als Fachärzte, beispielsweise bei der Analyse von Herz-Ultraschall-Daten oder EKGs. Die KI kann Muster erkennen, die für das menschliche Auge unsichtbar bleiben, wie Anzeichen für Vorhofflimmern in einem scheinbar normalen EKG.

Dennoch wird die ärztliche Expertise weiterhin unverzichtbar sein. Die Aufgabe des Arztes wird sich dahingehend verändern, die von der KI gewonnenen Informationen zu interpretieren, zu bewerten und in einen patientenzentrierten Behandlungsplan zu überführen. KI kann als Screening-Tool dienen, um Risikopatienten frühzeitig zu identifizieren und weitere diagnostische Schritte zu veranlassen. Dies entlastet Ärzte von Routinetätigkeiten und ermöglicht es ihnen, sich stärker auf den Patientenkontakt und die individuelle Therapieplanung zu konzentrieren. Datenschutz und die Klärung medizinethischer Fragen, insbesondere bei der Übermittlung von KI-generierten Prognosen zur Lebenserwartung, sind dabei entscheidende Hürden, die vor einer breiten Anwendung noch überwunden werden müssen.

Ausblick

Die Künstliche Intelligenz bietet ein erhebliches Potenzial, die Früherkennung und Prävention von Herzinfarkten und Herzerkrankungen zu revolutionieren. Durch die automatisierte Analyse großer Datenmengen aus CTs, EKGs und sogar Stimmdaten können Risikofaktoren präziser und früher identifiziert werden. Dies ermöglicht individualisierte Behandlungsstrategien und eine effizientere Patientenversorgung. Die Weiterentwicklung dieser Technologien, ihre Validierung in umfassenden Studien und die Klärung regulatorischer sowie ethischer Rahmenbedingungen werden die nächsten Schritte auf dem Weg zu einer breiteren Anwendung in der klinischen Praxis sein. Die Zusammenarbeit zwischen Technologieunternehmen, Forschungseinrichtungen und medizinischem Fachpersonal wird dabei entscheidend sein, um das volle Potenzial der KI zum Wohle der Patienten auszuschöpfen.

Bibliographie:

- t3n.de. "Diese Startups wollen dich mit KI vor einem Herzinfarkt warnen – wie das funktioniert." - FinanzNachrichten.de. "Diese Startups wollen dich mit KI vor einem Herzinfarkt warnen." - medica.de. "Mit künstlicher Intelligenz Herzinfarkte vermeiden." - mind-verse.de. "Neuartiger Chip zur frühzeitigen Erkennung von Herzinfarkten durch KI-gestützte Diagnostik." - ScienceDirect. "AI-Enabled Smartwatch ECG: A Feasibility Study for Early Prediction and Prevention of Heart Failure Rehospitalization." - Frontiers in Cardiovascular Medicine. "Artificial intelligence based real-time prediction of imminent heart failure hospitalisation in patients undergoing non-invasive telemedicine." - t-online.de. "Kardiologe: 'Künstliche Intelligenz erkennt Herzrisiken früher'." - bionity.com. "Künstliche Intelligenz erkennt Herzerkrankungen am Klang der Stimme." - t3n.de. "Künstliche Intelligenz & Machine Learning News." - morgenpost.de. "Künstliche Intelligenz: News, Infos und Berichte."