Ein Jahrzehnt im Entstehen
Jedes Jahr sterben in den Vereinigten Staaten mehr als 300.000 Menschen an einem plötzlichen Herzstillstand – einer Erkrankung, bei der das elektrische System des Herzens ohne Vorwarnung versagt. Der medizinische Notfall kann sowohl ältere Menschen mit hohem Risiko als auch scheinbar gesunde junge Sportler ohne Herzprobleme in der Vorgeschichte töten. Während interne Defibrillatoren, die das Herz wieder in den Rhythmus bringen, Leben retten können, bleibt die Frage, wer tatsächlich einen Defibrillator braucht, ein riskantes Ratespiel. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Branchenberichterstattung.
Jetzt hat ein von der UC Berkeley geleitetes Forschungsteam ein bisher unerkanntes Signal in Elektrokardiogrammen (EKGs) entdeckt, das Hochrisikopatienten erkennen kann, bevor ihr Herz stoppt. Die am 24. Juni 2026 in der Fachzeitschrift Nature veröffentlichte Studie könnte die Art und Weise verändern, wie Ärzte erkennen, wer ein lebensrettendes Implantat benötigt.
„Medizinische Entscheidungen sind wirklich schwer, und ich denke, das ist der Grund, warum KI für mich so spannend ist“, sagte Ziad Obermeyer, außerordentlicher Professor an der School of Public Health der UC Berkeley und Hauptautor der Studie, in einer Pressemitteilung der Universität. „Wir können nicht nur bessere Entscheidungen treffen, sondern auch beginnen zu verstehen, was tatsächlich mit diesen Patienten los ist, bevor ihr Herz stehen bleibt.“
Training an 440.000 EKGs
Anhand von mehr als 440.000 EKGs aus Schweden gepaart mit Informationen aus Sterbeurkunden trainierten die Forscher ein Modell der künstlichen Intelligenz, um die durch die elektrischen Ströme des Herzens erzeugten Spitzen und Wellenformen zu analysieren. Sie fütterten das Modell mit Scans von gesunden Menschen, Risikopatienten und solchen, die später einen Herztod erlitten, bis es Wellenformmuster erkannte, die nur bei Menschen zu finden waren, die plötzlich starben.
Anschließend validierte das Team den Algorithmus über mehrere Jahre hinweg anhand Tausender zusätzlicher Patientendateien aus den USA und Taiwan. Nach Angaben der Universität dauerte allein die Datenerhebung etwa ein Jahrzehnt und stützte sich auf sechs Jahre Scans aus Schwedens einheitlichem Gesundheitssystem, zwei Jahre anonymisierte EKGs aus einem Krankenhaussystem in San Diego und einen separaten Datensatz aus Taipeh.
„Gute KI beginnt mit guten Daten“, sagte Obermeyer, der auch Teil des gemeinsamen Computational Precision Health-Programms von UCSF und UC Berkeley ist. „Leider sind Daten wie die, die wir für diese Studie verwendet haben, unglaublich schwer zugänglich. Dies ist einer der Gründe, warum heutzutage so wenig klinische KI im Einsatz ist.“
Übertrifft Standardtests
Die Ergebnisse stellen einen bedeutenden Fortschritt gegenüber aktuellen Screening-Methoden dar. Die am häufigsten verwendete Technik zur Identifizierung von Risikopatienten misst, wie viel Blut das Herz bei jedem Schlag ausstößt – die sogenannte Auswurffraktion. Diese Tests identifizieren eine Hochrisikogruppe mit einer jährlichen Rate an plötzlichem Herztod von 4,6 %.
Im Gegensatz dazu isoliert das KI-System eine Hochrisikogruppe mit einer jährlichen Rate von 7 % und markiert einen größeren Pool von Patienten, bei denen ein echtes Risiko besteht, die aber nach allen aktuellen Standards als risikoarm erscheinen. Die überwiegende Mehrheit dieser Patienten wäre im Rahmen der bestehenden Protokolle niemals zur weiteren Untersuchung überwiesen worden.
Während ein Herzinfarkt auf eine eingeschränkte Durchblutung zurückzuführen ist, kommt es zum Herzstillstand, wenn der elektrische Strom des Herzens plötzlich aufhört zu feuern. HLW und ein Schock durch einen automatischen externen Defibrillator können Leben retten, aber etwa 90 % derjenigen, die außerhalb eines Krankenhauses einen plötzlichen Herzstillstand erleiden, sterben innerhalb von Minuten. Die Geschwindigkeit und Unvorhersehbarkeit des Ereignisses machen eine Prävention außerordentlich schwierig.
Das Defibrillator-Dilemma
Die Ironie des plötzlichen Herztodes besteht laut Obermeyer darin, dass die Behandlung bereits existiert – Ärzte können einfach nicht rechtzeitig zuverlässig erkennen, wer sie benötigt. Implantierbare Kardioverter-Defibrillatoren (ICDs) sind kleine Geräte, die in der Brust platziert werden und den Herzrhythmus überwachen und Schocks abgeben, wenn gefährliche Muster erkannt werden.
Das Problem ist zweifach. Erstens erfordert der standardmäßige Ejektionsfraktionstest, dass sich die Patienten einer umfassenderen medizinischen Untersuchung unterziehen – etwas, von dem die überwiegende Mehrheit der späteren Opfer nie wusste, dass sie es brauchen würden. Zweitens lösen zwei Drittel der Implantate, die bei Patienten eingesetzt werden, die bei aktuellen Tests festgestellt wurden, nie tatsächlich aus, was bedeutet, dass sich Patienten invasiven, kostspieligen Eingriffen unterziehen, um einen Notfall zu verhindern, mit dem sie möglicherweise nie konfrontiert werden.
„Bei einem Teil dieser Menschen hätten wir diese Todesfälle verhindern können, wenn wir es rechtzeitig gewusst hätten“, sagte Obermeyer. „Es gibt viele Todesfälle durch Menschen, die an einem plötzlichen Herztod sterben, der vermeidbar wäre, wenn wir nur bessere KI-Tools hätten, um diese Dinge zu finden.“
Was als nächstes kommt
Die nächste Phase des Projekts hat bereits begonnen. Obermeyer arbeitet mit Gesundheitssystemen in Schweden, Taiwan und den Vereinigten Staaten zusammen, um den Algorithmus in EKG-Datenbanken von Krankenhäusern einzusetzen. Bei Scans, die das System als risikoreich einstuft, würden Ärzte die Patienten benachrichtigen und ihnen die Möglichkeit bieten, ein Pflaster zu tragen, das ihr Herz kontinuierlich überwacht. Diese Überwachungsdaten könnten den Forschern helfen, den physiologischen Mechanismus im Herzen, der die verräterischen Signale erzeugt, besser zu verstehen – und könnten letztendlich zur Platzierung eines möglicherweise lebensrettenden internen Defibrillators führen.
Die Studie öffnet auch die Tür für neue Forschungen darüber, was das KI-Tool tatsächlich erkannt hat. Die Wellenmuster, auf die es sich konzentrierte, scheinen mit plötzlichen und tödlichen Fehlschlägen des Herzens in Zusammenhang zu stehen, der genaue physiologische Mechanismus bleibt jedoch unklar – eine Frage, die das Team durch kontinuierliche Überwachung beantworten möchte.
Obermeyer hat außerdem eine Website erstellt, auf der Personen, die an der Einschätzung ihres eigenen Risikos interessiert sind, grundlegende Informationen und eine E-Mail-Adresse angeben können, sodass das Forschungsteam sie für eine EKG-Analyse kontaktieren kann, sobald das Tool allgemeiner verfügbar wird. Das Projekt stützt sich auf die Arbeit zweier von Obermeyer mitbegründeter Organisationen – Dandelion Health und Nightingale Open Science –, die an der Schnittstelle von KI und medizinischer Forschung tätig sind.
Über ihre unmittelbaren klinischen Auswirkungen hinaus unterstreicht die Studie einen umfassenderen Aspekt der KI in der Medizin: Der größte Wert der Technologie liegt möglicherweise nicht darin, Ärzte zu ersetzen, sondern darin, Muster aufzudecken, die für das menschliche Auge unsichtbar sind – Muster, die, wenn sie einmal verstanden werden, jedes Jahr Tausende von Leben retten könnten.
„Mit diesen Werkzeugen wird es auch eine neue Art der Wissenschaft geben“, sagte Obermeyer, „und es macht Spaß, darüber nachzudenken, wie das geschieht.“
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
