KI liest EKGs in zwei Sekunden und erkennt verdeckte Herzkrankheiten

ArtikelAna-Maria StanciucNews

Forschende des Imperial College London haben ein KI-System entwickelt, das Standard-EKGs in unter zwei Sekunden auswertet. Das Modell erkennt Muster für Herzinsuffizienz und Herzklappenerkrankungen, die von Kardiologen aus diesen Aufzeichnungen nicht direkt abgelesen werden können. Das Verfahren soll vor allem bei der Triage helfen und Wartezeiten auf Fachuntersuchungen verkürzen.

Das Wichtigste

  1. Erkennung von bis zu 81 % der Fälle von Herzinsuffizienz und 90 % der Klappenerkrankungen aus einfachen EKG-Daten
  2. Ergebnisse einer Studie mit 67.000 US-Patienten wurden auf dem Kongress der European Society of Cardiology vorgestellt
  3. Training basiert auf 1,6 Millionen brasilianischen Langzeitverlaufsdaten sowie Millionen US-Datensätzen
  4. Einsatz als Triage-Werkzeug geplant, um Patienten schneller für Echokardiogramme zu priorisieren
  5. Kommerzialisierung über das Spin-off Cardiovolt.ai mit geplanten mobilen Handgeräten, regulatorische Zulassungen stehen noch aus

Warum das relevant ist

Ein EKG ist kostengünstig und schnell durchführbar, während Termine für eine Herzultraschall-Untersuchung oft monatelange Wartezeiten mit sich bringen. Eine präzise KI-gestützte Triage auf Basis bestehender Routine-EKGs kann Patientengruppen mit strukturellen Herzproblemen früher identifizieren und gezielt vorziehen, ohne dass dafür teure neue Diagnose-Infrastruktur aufgebaut werden muss.

Einordnung

Das System demonstriert das Potenzial von Deep Learning, subtile Signalmuster in etablierten Diagnostikmethoden zu finden, die über das menschliche Wahrnehmungsvermögen hinausgehen. Dennoch bleibt der Schritt von Kongressergebnissen in die klinische Routine anspruchsvoll: Vor dem breiten Einsatz in Gesundheitssystemen wie dem britischen NHS sind formale Zulassungsverfahren als Medizinprodukt erforderlich. Zudem muss sich in praxisnahen Studien erst zeigen, ob die schnellere Priorisierung tatsächlich zu besseren Langzeitresultaten für Patientinnen und Patienten führt.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Artikel:Moon-Seung Soh

    Erkennung von linksventrikulärer diastolischer Dysfunktion via EKG und Deep Learning

    Ein Forschungsteam um Moon-Seung Soh stellte ein Vision-Transformer-Modell vor, das linksventrikuläre diastolische Dysfunktion (LVDD) aus 12-Kanal-EKGs erkennen kann. Durch einen hohen negativen Vorhersagewert eignet sich das System primär als nicht-invasives Screening-Werkzeug zum Ausschluss des Risikos.

    KI & AI· Forschung

  • Artikel:Maida Wang, Xiao Xue, Mingyang Gao, Peter V. Coveney

    Quantum-informed Machine Learning zur Vorhersage chaotischer Strömungen

    Forschende des University College London und der Universität Amsterdam stellen mit QIML ein hybrides Framework vor, das quantenbasierte generative Modelle mit klassischen autoregressiven Prädiktoren verbindet. Der Ansatz stabilisiert die Langzeitvorhersage hochdimensionaler chaotischer Systeme und demonstriert praktische Vorteile gegenüber rein klassischen Methoden.

    KI & AI· Forschung

  • Artikel:Maximilian Beck, Korbinian Pöppel, Markus Spanring, Andreas Auer, Oleksandra Prudnikova, Michael Kopp, Günter Klambauer, Johannes Brandstetter, Sepp Hochreiter

    xLSTM: Extended Long Short-Term Memory

    Ein Forschungsteam um Sepp Hochreiter stellt xLSTM vor, eine Weiterentwicklung der klassischen Long Short-Term Memory-Architektur für moderne Large Language Models. Die Erweiterung behebt bisherige Skalierungs- und Parallelisierungsgrenzen von LSTMs und erzielt vergleichbare Ergebnisse zu Transformer- und State-Space-Modellen.

    KI & AI· Forschung

  • Artikel:Yoel Shoshan, Moshiko Raboh, Michal Ozery-Flato, et al.

    MAMMAL: Multimodales KI-Basismodell für die Wirkstoffforschung

    Forschende von IBM und Partnerinstitutionen stellen MAMMAL vor, ein multimodales Basismodell für das computergestützte Wirkstoffdesign. Das Modell integriert Protein- und Antikörpersequenzen, kleine Moleküle sowie Genexpressionsprofile in einer einheitlichen Sequenzarchitektur und wurde auf zwei Milliarden Datenpunkten vortrainiert.

    KI & AI· Forschung

  • Link:mousecat.ai

    MouseCat: KI-Plattform zur Erkennung und Untersuchung von Finanzkriminalität

    MouseCat ist eine KI-gestützte Sicherheitsplattform zur Bekämpfung von Finanzkriminalität. Das Tool deckt den gesamten Workflow von Betrugsprävention und Geldwäschebekämpfung (AML) ab – von der Erkennung über automatisierte Untersuchungen bis hin zur Erstellung behördengerechter Berichte.

    KI & AI· Tool

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.