Künstliche Intelligenz erkennt frühzeitig Herzschwäche – mit einem einfachen EKG

In dieser Studie wurden zwei unterschiedliche Arten von KI-Modellen entwickelt und miteinander verglichen, um herauszufinden, welches besser aus einem EKG erkennt, ob jemand eine Herzschwäche hat:

1.           Ein klassisches Deep-Learning-Modell

2.          Ein modernes Transformer-Modell

Beide Modelle erhielten mehr als 30.000 EKG-Aufzeichnungen, die mit Herzultraschall (Echokardiografie) verglichen wurden – das ist derzeit der Goldstandard zur Diagnose von Herzschwäche.

Das neu entwickelte Transformer-Modell erreichte eine insgesamt etwas bessere Leistung bei der Erkennung von Herzschwäche im Vergleich zum klassischen Deep-Learning-Modell.

• Genauigkeit: Das Transformer-Modell erzielte einen höheren Wert beim sogenannten AUROC (0,924 vs. 0,912). Dieser Wert zeigt, wie gut das Modell zwischen gesunden und erkrankten Personen unterscheiden kann.
• Sensitivität: Mit einer Sensitivität von 89 % erkannte das Transformer-Modell mehr tatsächliche Fälle von Herzschwäche als das Deep-Learning-Modell (87 %). Das bedeutet, dass weniger Erkrankte übersehen wurden.
• Spezifität: Beide Modelle hatten eine ähnliche Spezifität von 81 %. Das heißt, sie erkannten etwa gleich gut, wenn eine Person gesund war.
• Negativer Vorhersagewert: Das Transformer-Modell hatte einen besonders hohen negativen Vorhersagewert von 98 %. Das bedeutet: Wenn das Modell sagt, dass keine Herzschwäche vorliegt, kann man sich mit hoher Wahrscheinlichkeit darauf verlassen.
• Positiver Vorhersagewert: Beide Modelle lagen hier bei etwa 44 %. Das bedeutet, dass weniger als die Hälfte der vom Modell als „krank“ eingestuften Personen tatsächlich Herzschwäche hatten. Dieser Wert zeigt, dass weitere Untersuchungen nötig bleiben, wenn das Modell eine Herzschwäche vermutet.

Insgesamt zeigt das Transformer-Modell eine bessere Balance zwischen dem Erkennen von Erkrankten und dem Vermeiden von falschen Alarmen. Besonders die Fähigkeit, gesunde Personen zuverlässig zu erkennen, ist im medizinischen Alltag wichtig, um unnötige Ängste und zusätzliche Tests zu vermeiden.