Im Rahmen der „Sonderforschungsförderung 2025: Diagnose und Therapie der koronaren Herzkrankheit (KHK) / Herzinfarkt“ arbeitet dieses Projekt daran, die Herzinfarktdiagnostik in der Notaufnahme schneller und verlässlicher zu machen. Grundlage des Vorhabens ist ein kürzlich veröffentlichtes KI-Verfahren, das bereits mit dem Aufnahme-EKG in der Notaufnahme Hinweise auf akut behandlungsbedürftige Verschlüsse oder Verengungen der Herzkranzgefäße liefert. Gerade in Situationen ohne eindeutige EKG-Veränderungen, und wenn Herzinfarkt-Blutmarker wie hochsensitives Troponin T (hs-TnT) noch nicht eindeutig sind, kann die zusätzliche „Zweitmeinung“ der KI potenziell wertvolle Zeit sparen. In ersten Untersuchungen lag die Treffgenauigkeit des Modells nahe an der von hs-TnT und übertraf die übliche ärztliche EKG-Befundung. Zudem erkannte die KI Infarkte schon zu einem Zeitpunkt, an dem die ersten Troponinwerte noch niedrig waren.

Damit dieses Potenzial überall zuverlässig nutzbar wird, soll das Modell nun in einer großen, internationalen Patientenkohorte geprüft und weiterentwickelt werden. Mithilfe serieller hs-TnT-Messungen sowie detaillierter Herzkatheterbefunde kann die Leistungsfähigkeit der KI nicht nur global, sondern auch je nach Schweregrad der Durchblutungsstörung und je Klinikstandort beurteilt werden. Ziel ist es, die Vorhersagen der KI so zu „kalibrieren“, dass sie die Besonderheiten der jeweiligen Patientengruppen und Versorgungsrealitäten besser abbildet.

Ein Schwerpunkt liegt auf der standortspezifischen Feinabstimmung („Fine-Tuning“) des Algorithmus. KI-Modelle können in neuen Patientenkollektiven an Genauigkeit verlieren, weil sie unbewusst Muster aus der ursprünglichen Trainingsgruppe „mitlernen“, die anderswo keine Rolle spielen. Durch gezieltes Weitertrainieren mit ausgewählten lokalen EKG-Daten soll die KI ihre grundsätzlichen Fähigkeiten behalten, zugleich aber die Vorhersagequalität vor Ort steigern. Dabei wird ebenso untersucht, wie viele lokale Datensätze für eine spürbare Verbesserung nötig sind, ob die KI durch zusätzliche Daten allgemein robuster wird oder sich nur an einzelne Standorte anpasst, und wie sich zeitliche Veränderungen in den Daten („Datendrift“) vermeiden lassen.

Langfristig soll das Projekt den Weg ebnen für einen sicheren, fairen und effizienten Einsatz KI-gestützter EKG-Diagnostik in der Notaufnahme. Bessere Risikoeinschätzungen schon beim initialen Patientenkontakt können potenziell unnötige Untersuchungen vermeiden, knappe Ressourcen gezielter einsetzen und die Zeit bis zur richtigen Behandlung verkürzen.

Kontakt: Dr. med. Antonius Büscher, Lucas Plagwitz, M.Sc.

gefördert / unterstützt durch die Deutsche Herzstiftung e.V.