Frühwarnsystem: Wie KI den plötzlichen Herztod vorhersagt

Tanja Schmitt / Redakteurin
vor 5 Tagen
2 Min. Lesezeit

Jedes Jahr sterben in Deutschland rund 70.000 Menschen am plötzlichen Herztod. Das Tückische dabei: Oft sind es Menschen, die eigentlich als kerngesund galten. Forscher der University of California in Berkeley haben jetzt ein KI-Modell trainiert, das erkennt, wer gefährdet ist. Ihre Ergebnisse veröffentlichten sie im Fachmagazin „Nature".

Bisher schätzen Ärzte das Risiko für einen plötzlichen Herztod vor allem über die Pumpleistung des Herzens (LVEF). Doch die Mehrheit der Menschen, die am plötzlichen Herztod sterben, hat eine normale Pumpleistung und fällt somit nicht auf.

Die Berkeley-Wissenschaftler gingen jetzt einen anderen Weg. Sie werteten die EKG-Kurven von 187.677 Patientinnen und Patienten aus einer schwedischen Region aus. Ihr trainiertes KI-Modell entdeckte bei einigen Patienten Auffälligkeiten, die auf ein hohes Herztod-Risiko hinweisen. Diese Signale sind so fein, dass sie dem menschlichen Auge bislang entgingen.

Was die KI aus dem EKG herausliest

Die Forscher fütterten ein neuronales Netz mit den besagten EKG-Aufzeichnungen und verknüpften sie mit Sterberegistern. Zum Verständnis: Ein neuronales Netz ist ein Computerprogramm, das aus Beispielen lernt, Muster zu erkennen. Und dieses Modell wiederum lernte, Muster in der Herzstromkurve mit dem späteren Herztod in Verbindung zu bringen. Wichtig dabei: Die KI „versteht" nichts. Sie erkennt nur statistische Zusammenhänge in Millionen von Datenpunkten.

Die Ergebnisse überzeugen. In einer streng abgeschotteten Testgruppe erreichte das Modell eine Trennschärfe (AUC) von 0,872. Es markierte 2,2 Prozent der Menschen als Hochrisikogruppe – mit einer jährlichen Herztodrate von 7,0 Prozent. Der alte Marker LVEF kam nur auf 4,6 Prozent. Auf den Punkt gebracht: 86 Prozent dieser Hochrisikopatienten hätte der bisherige Test übersehen. Das Modell findet also Menschen, die vorher niemand auf dem Schirm hatte.

Der blinde Fleck

Besonders spannend: Die Forschenden koppelten das Vorhersagemodell mit einer zweiten KI, die EKG-Kurven schrittweise in Richtung eines höheren Risikos verändert. So wurde sichtbar, worauf das Modell reagiert.

Dabei tauchte eine Auffälligkeit auf, die in der Fachliteratur bisher fehlte: eine verlangsamte, abgeflachte R-Zacke am Ende des QRS-Komplexes. Dieser bislang unbekannte Biomarker erwies sich in mehreren Datensätzen als verlässlicher Vorhersagewert. KI liefert hier also nicht nur eine bessere Prognose. Sie öffnet ein neues Fenster in die Medizin und stößt frische Forschungsfragen an.

Diese Studie zeigt, wozu gut trainierte KI-Modelle heute fähig sind: Sie machen Muster sichtbar, die dem menschlichen Auge entgehen. Bis das Modell in die Praxis kommt, braucht es noch klinische Studien – doch die Richtung stimmt.

Glossar

AUC (Area under the Curve): Ein Maß für die Treffsicherheit eines Vorhersagemodells. Der Wert reicht von 0,5 (reines Raten) bis 1,0 (perfekte Trennung).
Biomarker: Ein messbares Merkmal im Körper, das auf einen Gesundheitszustand oder ein Risiko hinweist.
EKG (Elektrokardiogramm): Eine Aufzeichnung der elektrischen Herzaktivität. Ein günstiger, weit verbreiteter Standardtest.
Herzinfarkt: Ein verstopftes Blutgefäß unterbricht die Durchblutung, Herzmuskel stirbt ab. Nicht zu verwechseln mit dem plötzlichen Herztod – ein Infarkt kann eine Rhythmusstörung auslösen, muss es aber nicht.
LVEF (linksventrikuläre Ejektionsfraktion): Ein Wert für die Pumpleistung des Herzens, gemessen per Ultraschall. Bisheriger Standardmarker für das Herztod-Risiko.
Plötzlicher Herztod: Ein unerwarteter Tod durch Herzversagen, meist innerhalb einer Stunde nach den ersten Anzeichen. Fast immer steckt eine schwere Rhythmusstörung dahinter, die den Kreislauf zusammenbrechen lässt.
QRS-Komplex: Der markanteste Ausschlag im EKG. Er zeigt, wie sich die elektrische Erregung in den Herzkammern ausbreitet.