ARTEMIS: Mit KI zur effizienteren Herzinfarkt-Diagnostik24. März 2026 Betül Toprak mit ihren Forscherkollegen Johannes Neumann (l.) und Raphael Twerenbold im Schockraum der Notaufnahme des Universitätsklinikums Hamburg-Eppendorf. (Foto: ©UKE/Axel Kirchhof) KI statt Wartezeit: Das Projekt ARTEMIS zeigt, wie ein Algorithmus Herzinfarkte in Minuten sicher ausschließen kann. Eine App soll Diagnosen beschleunigen und Patienten schneller die passende Behandlung bringen. Der Brustschmerz ist einer der häufigsten Gründe, warum Menschen in eine Notaufnahme kommen. Nur fünf bis 25 Prozent der Patienten, die sich in der Notaufnahme mit Brustschmerzen vorstellen, haben aber tatsächlich einen Herzinfarkt. Das Forschungsprojekt ARTEMIS („Artificial Intelligence in Suspected Myocardial Infarction“) untersucht, wie Künstliche Intelligenz (KI) die Herzinfarkt-Diagnostik in Kliniken und Arztpraxen beschleunigen und somit diejenigen besonders schnell und sicher identifizieren kann, die keinen Herzinfarkt haben. Ziel ist, Patienten mit Herzinfarkt schneller eine geeignete Behandlung zukommen zu lassen, während jene ohne unauffälligem Befund schneller entwarnt und nach Hause entlassen werden können. Maßgeblich beteiligt an dem von der Deutschen Herzstiftung mitgeförderten Forschungsvorhaben ist Dr. Betül Toprak, Assistenzärztin an der Klinik für Kardiologie am Universitären Herz- und Gefäßzentrum Hamburg des Universitätsklinikums Hamburg-Eppendorf (UKE). 2025 erhielt sie als Erstautorin einer zugehörigen Publikation in „The Lancet Digital Health“ den Forschungspreis „Digitale Innovationen in der Herzmedizin“ der Deutschen Herzstiftung und der Deutschen Gesellschaft für Kardiologie (DGK). Im Herzstiftungs-Podcast und in „HERZ heute“ berichtet sie über die bisherigen Erkenntnisse aus ARTEMIS und das weitere Vorhaben. Dank KI und Schnelltest die Herzinfarkt-Diagnostik beschleunigen Mit Hilfe der KI soll das Abklären der Symptome für Ärztinnen und Ärzte in der Notaufnahme, aber auch in Arztpraxen oder im Rettungsdienst schneller, aber dennoch sicher ablaufen. In ARTEMIS arbeitet Toprak daher gemeinsam mit einem Team aus Forschern aus Deutschland, der Schweiz und neun weiteren Ländern an einer KI-basierten Diagnose-App. Ziel ihrer Arbeit ist „eine App, die für Klinikerinnen und Kliniker in hektischen Notfallsituationen leicht zu bedienen ist“, erläutert Toprak. Das Forschungsprojekt greift dafür auf einen internationalen Datensatz von mehr als 27.000 Patientinnen und Patienten mit Verdacht auf einen Herzinfarkt zurück. In ihren KI-Algorithmus haben die Forscher neben der Troponinmessung (auch mittels Point-of-Care-Schnelltest) acht routinemäßig erhobene klinische Variablen integriert: Alter, Geschlecht, Symptombeginn, Risikofaktoren wie Raucherstatus, Fettstoffwechselstörung, Familienanamnese für eine koronare Herzerkrankung, EKG-Befunde und die Herzfrequenz. In der Arbeit in „The Lancet Digital Health“ haben Toprak und ihr Team den Algorithmus, den sie in Vorgängerarbeiten entwickelt haben, zusammen mit einem hochsensitiven Troponin-Schnelltest an Patientendaten von mehr als 2500 Patientinnen und Patienten in den USA und Australien mit Verdacht auf einen Herzinfarkt angewendet. „Wir konnten in dieser retrospektiven Studie eindrucksvoll zeigen, dass dieser ARTEMIS-POC-Algorithmus in Kombination mit einem einzigen Troponin-Wert und den genannten Variablen bei mehr als doppelt so vielen Patienten unmittelbar und binnen Minuten einen Herzinfarkt ausschließen kann als mit den bisherigen Diagnoseverfahren und das mit einer genauso zuverlässigen Sicherheit von fast 100 Prozent“, erläutert sie. Ausweitung auf weitere Bereiche und automatisierte EKG-Auswertung geplant „Die Daten dieser Studie beziehen sich auf das Notaufnahme-Setting. Jedoch könnten wir künftig dank der Kombination aus KI und Schnelltest nun die Herzinfarkt-Diagnostik auf Bereiche außerhalb der Klinik erweitern: die Arztpraxen der niedergelassenen Kardiologen und Hausärzte, wo sich Brustschmerz-Patienten oft auch vorstellen, sowie den Rettungsdienst, wo eine Troponinmessung bislang nicht möglich ist.“ Das erlaube eine rasche Abklärung und könne bei gesichertem Ausschluss eines Herzinfarkts und weiterer Untersuchungen in der kardiologischen Praxis letztlich die Notaufnahmen spürbar entlasten, meint Toprak. Die nächsten Schritte der ARTEMIS-Forschergruppe werden sein, in die App auch eine automatisierte KI-basierte EKG-Auswertung zu integrieren, um EKG-Auffälligkeiten umfänglicher berücksichtigen zu können. Außerdem soll die App im Rahmen weiterer prospektiver Studien im laufenden klinischen Betrieb in Notaufnahmen, Arztpraxen und im Rettungsdienst getestet werden – eine Voraussetzung für die Zulassung der App als Medizinprodukt. „Wir haben bereits einen langen Weg hinter uns und sind sehr optimistisch, dass wir bald mit einem zuverlässigen KI-Algorithmus die Herzinfarkt-Diagnostik in der Praxis weiter verbessern und die Anwendungsbereiche erweitern können.“ (ah/BIERMANN)
Mehr erfahren zu: "Chronische Nierenkrankheit bei Diabetes: BNP kann Vorhersage der CKD-Progression verbessern" Weiterlesen nach Anmeldung Chronische Nierenkrankheit bei Diabetes: BNP kann Vorhersage der CKD-Progression verbessern Bei Patienten mit chronischer Nierenkrankheit (CKD) und Diabetes könnte die Kombination von BNP- und UACR-Werten die Vorhersage der CKD-Progression verbessern, so eine aktuelle Studie aus Japan.
Mehr erfahren zu: "WebMedX: Digitale Vernetzung gegen die Herzschwäche" WebMedX: Digitale Vernetzung gegen die Herzschwäche In dem Projekt WebMedX wird eine Telemedizinplattform am Beispiel der Herzinsuffizienz entwickelt, die Kliniken, Arztpraxen, Pflegekräfte und Patienten vernetzt. Ziel ist, Versorgungslücken in der vulnerablen Phase nach dem Krankenhausaufenthalt zu […]
Mehr erfahren zu: "Vom Gewebeschnitt zur Datenquelle: KI-Werkzeug eröffnet neue Möglichkeiten für Klinik und Forschung" Vom Gewebeschnitt zur Datenquelle: KI-Werkzeug eröffnet neue Möglichkeiten für Klinik und Forschung Trotz ihrer zentralen Bedeutung lassen sich mikroskopische Bilder menschlicher Gewebe häufig nur schwer systematisch auswerten und mit anderen biologischen Datentypen verknüpfen. Eine neue Studie in „Nature Methods“ stellt nun ein […]