// SCINEXX — SPAZIO & SCIENZA
KI kann Herzprobleme in Sekunden erkennen
Ein gewöhnliches EKG könnte künftig weit mehr verraten als Herzrhythmus und Infarktzeichen. Eine KI des Imperial College London soll aus den elektrischen Kurven Hinweise auf Herzschwäche und Klappenerkrankungen in weniger als zwei Sekunden erkennen. In US-Daten erfasste das System laut Kongressbericht bis zu 81 beziehungsweise 90 Prozent der Betroffenen, die Ergebnisse sind aber noch nicht peer-reviewt.
London (England). Ein Elektrokardiogramm, kurz EKG, misst die elektrische Aktivität des Herzens und gehört zu den häufigsten Untersuchungen in der Medizin. Es zeigt vor allem Rhythmusstörungen und typische elektrische Veränderungen, liefert aber normalerweise kein direktes Bild der Herzstruktur. Für eine Herzschwäche oder eine Erkrankung der Herzklappen ist deshalb meist eine Echokardiografie nötig, also ein Ultraschall des Herzens.
Forscher des National Heart and Lung Institute (NHLI) am Imperial College London wollen aus derselben kurzen EKG-Aufzeichnung deutlich mehr Informationen gewinnen. Ihr Ansatz nutzt künstliche Intelligenz, um Muster in den elektrischen Kurven zu erkennen, die für das menschliche Auge nicht zuverlässig sichtbar sind. Die aktuelle Auswertung hat Dr. Ahmed El-Medany Ende August 2026 auf dem Kongress der European Society of Cardiology (ESC) in München vorgestellt.
Die Arbeitsgruppe um Professor Fu Siong Ng entwickelt seit mehreren Jahren KI-Modelle für EKG-Daten. Nach Angaben der British Heart Foundation (BHF) beruhen diese Modelle auf mehr als 1,6 Millionen EKGs aus Brasilien, die mit Krankengeschichten verknüpft sind, sowie auf mehreren Millionen weiteren Aufzeichnungen aus den USA. So soll die Software lernen, elektrische Signaturen mit Erkrankungen zu verbinden, die sonst erst durch weitere Untersuchungen sichtbar werden.
Die jetzt vorgestellte Kongressarbeit trägt den Titel „Multimodal ECG-language contrastive pretraining enables detection of structural heart disease from 12-Lead ECG“. Damit geht es um einen multimodalen Lernansatz für Zwölf-Kanal-EKGs. Wie die Vortrainierung im Detail aufgebaut ist und welche Endpunkte exakt verwendet wurden, lässt sich aus der frei zugänglichen Kongressseite jedoch nicht vollständig prüfen, weil das Abstract dort nur nach Anmeldung verfügbar ist.
Nach der aktuellen Kongressberichterstattung wurde das System an Daten von rund 67.000 Patienten in den USA geprüft. Dabei erfasste die KI bis zu 81 Prozent der Menschen mit Herzschwäche und bis zu 90 Prozent derjenigen mit einer Herzklappenerkrankung. Die Auswertung eines EKGs soll weniger als zwei Sekunden dauern.
Diese Zahlen sind vielversprechend, lassen sich aber noch nicht wie Kennwerte einer vollständig veröffentlichten Diagnosestudie beurteilen. Öffentlich fehlen derzeit unter anderem Angaben zu Spezifität, positivem Vorhersagewert, Konfidenzintervallen, Schwellenwerten und zur genauen Zusammensetzung der Testgruppe. Deshalb ist es angemessener, von vorläufigen Trefferquoten zu sprechen und nicht von einer abschließend belegten diagnostischen Genauigkeit.
Die KI soll den Herzultraschall ohnehin nicht ersetzen. Ihr möglicher Nutzen liegt vor allem in der Triage. Patienten mit einem auffälligen KI-Signal könnten schneller zur Echokardiografie geschickt werden, während ein unauffälliger Algorithmusbefund eine Herzkrankheit nach heutigem Stand nicht sicher ausschließt.
Dass sich strukturelle Herzerkrankungen grundsätzlich in EKG-Daten abbilden lassen, hat dieselbe Forschungsrichtung bereits in begutachteten Arbeiten untersucht. In einer 2025 veröffentlichten internationalen Studie trainierten Forscher KI-Modelle mit 988.618 gekoppelten EKG- und Echokardiografie-Aufnahmen von 400.882 Patienten aus Shanghai. Eine externe Prüfung erfolgte anschließend an 34.214 Patienten in Boston.
Diese Modelle konnten das Risiko für relevante Undichtigkeiten der Mitral-, Aorten- und Trikuspidalklappe vorhersagen. Die Ergebnisse stützen damit die Grundidee, dass ein EKG subtile Hinweise auf strukturelle Veränderungen enthalten