Unser interdisziplinäres Team vereint Expertise in Signalverarbeitung, maschinellem Lernen (ML) und klinischer Kardiologie, um aus klinischen Routinedaten neue Erkenntnisse zu gewinnen. Wir entwickeln und validieren Methoden sowohl für das 12-Kanal Elektrokardiogramm (EKG) als auch für intrakardiale Elektrogramme (EGM), die während elektrophysiologischer, klinischer Prozeduren aufgezeichnet werden. Wir legen besonderen Wert auf erklärbare Algorithmen, die sich unmittelbar in die klinische Anwendung übertragen lassen.

Ein Schwerpunkt unserer Arbeit widmet sich der Risikostratifizierung in der Notaufnahme. Wir haben ein Deep Learning Modell entwickelt und extern validiert, das Patientinnen und Patienten mit akut interventionsbedürftigen Koronarstenosen oder mit akutem Typ-1-Myokardinfarkt identifiziert. Laufende multizentrische Validierungsstudien sollen seine Generalisierbarkeit weiter belegen. Parallele Projekte zielen darauf ab, frühzeitig die Erkrankungsschwere oder intrahospitale Mortalität vorherzusagen, indem EKG-Signale mit routinemäßig erhobenen Triage-Daten kombiniert werden.

Darüber hinaus analysieren wir systematisch EGMs aus dreidimensionalen elektroanatomischen Mapping-Prozeduren bei verschiedenen Formen von Narben-assoziierten Herzrhythmusstörungen. Mit unserem Portfolio aus Signalverarbeitungs- und ML-Algorithmen arbeiten wir daran, potenzielle Ziele für die Katheterablation zu identifizieren, um die Präzision und den Behandlungserfolg bei komplexen Arrhythmien zu verbessern.

Leitung der Arbeitsgruppe
Dr. med. Antonius Büscher