EKG-Diagnostik mithilfe künstlicher Intelligenz: aktueller Stand und zukünftige Perspektiven – Teil 1

Abstract

ZusammenfassungAuch wenn die Elektrokardiographie mittlerweile ein über 100 Jahre altes diagnostisches Verfahren ist, kann die Medizin auf sie nicht verzichten. Ganz im Gegenteil, das Interesse am Elektrokardiogramm (EKG) und seine klinische Bedeutung nehmen derzeit sogar wieder zu. Dies hat nicht nur mit einer Fülle von neuen Erkenntnissen zu der elektrokardiographischen Manifestation alter und neuer kardiovaskulärer Pathologien zu tun, sondern auch damit, dass das EKG vermehrt Gegenstand von Analysen ist, die sich künstlicher Intelligenz (KI) bedienen. Die Schwächen, die der klassischen computerassistierten EKG-Auswertung anhaften, erscheinen mithilfe von KI überwindbar. Zudem scheint KI in der Lage zu sein, Informationen aus EKGs zu extrahieren, die weit über das hinausgehen, was ein Mensch leisten kann. Nicht alle Ärzte sind mit der Anwendung dieser neuen Technologie und ihren Teilbereichen, dem Machine Learning (maschinelles Lernen) und insbesondere dem Deep Learning (tiefes Lernen; wenig gebräuchlicher Ausdruck), vertraut. Die Bewertung ihrer aktuellen und zukünftigen klinischen Relevanz fällt schwer. Diese zweiteilige Übersicht beschäftigt sich mit der KI-basierten EKG-Analyse. In Teil 1 erfolgt eine Einführung in grundlegende Aspekte des Vorgehens. Teil 2, der separat publiziert wird, widmet sich dem aktuellen Stand der Forschung und bespricht die Ergebnisse verfügbarer Studien. Zudem werden möglich Szenarien der zukünftigen Anwendung von KI bei der EKG-Analyse diskutiert.