Forschungsprojekt: KI-gestützte Analyse von Langzeit-EKGs soll Ärzte unterstützen

In einem deutschen Forschungsprojekt werden KI-Systeme zur Analyse von Langzeit-EKGs entwickelt. Ziel ist eine schnelle, zuverlässige Auswertung von Herzdaten direkt in der Arztpraxis als Unterstützung für Ärztinnen und Ärzte.

Rund 100.000 Herzschläge werden in einem 24 Stunden-EKG aufgezeichnet. Um sie zu beurteilen, werden jedoch nur acht Minuten Zeit für den Arzt oder die Ärztin vergütet. Da können Unregelmäßigkeiten auch schon mal übersehen werden. Die Fehlerquote liegt laut offiziellen Statistiken im Schnitt bei etwa 25 Prozent.

Genau an dieser kritischen Stelle setzt das Projekt FACE (Forschung zur Anwendung von Cloud und Edge Computing für effiziente KI-gestützte EKG-Analysen) an. Es wird vom ehemaligen Bundesministerium für Wirtschaft und Klimaschutz mit knapp sieben Millionen Euro gefördert. Projektträger ist das VDI Technologiezentrum, Düsseldorf. Weitere Kooperationspartner sind neben der Forschungsgruppe Medizinische Informatik und graphbasierte Systeme um Prof. Kai Hahn und Dr. Christian Weber die Biotronik Vertriebs GmbH & Co. KG, die Charité – Universitätsmedizin Berlin, Berlin Institute of Health, das evangelische Diakonissenhaus Berlin Teltow Lehnin, die Getemed Medizin- und Informationstechnik AG sowie die Semdatex GmbH.

Die Projektlaufzeit ist von 2024 bis 2026 angelegt. Das selbst erklärte Ziel ist, die Herzdiagnostik nachhaltiger, präziser und sicherer zu machen. Dazu entwickeln die Projektpartner auf Künstlicher Intelligenz (KI) basierende Systeme, die Ärztinnen und Ärzte bei der anspruchsvollen Aufgabe unterstützen sollen, Herzdaten schnell und zuverlässig auszuwerten.

Gezieltes Training von KI zur selbstständigen EKG-Auswertung

Die Grundlage für die Forschung liefern reale Patientendaten: Unter anderem vom Massachusetts Institute of Technology in den USA bezieht die Siegener Forschungsgruppe kostenfrei EKG-Trainingsdaten, die für die Forschung freigegeben und bereits fachkundig ausgewertet wurden. Diese Datensätze dienen als Trainingsmaterial für unterschiedliche KI-Systeme. Die Forschenden vergleichen systematisch deren Leistungsfähigkeit: Wie schnell liefern die Systeme Ergebnisse? Wie hoch ist der Rechenaufwand? Und vor allem: Wie präzise sind die EKG-Analysen?

Die leistungsfähigsten Systeme werden anschließend gezielt auf projektinternen Datensätzen weiterentwickelt. Die KI lernt dabei Störgeräusche und Rauschen zu erkennen, sowie verschiedene Herzrhythmusstörungen, wie Vorhofflimmern oder Vorhofflattern, und den normalen Sinusrhythmus zu klassifizieren – komplett selbständig, ohne menschliche Hilfe. Eine Machbarkeitsstudie soll in der Praxis zeigen, wie sich das medizinische Fachpersonal die Zusammenarbeit mit der KI vorstellt und auf welche Vorkenntnisse bereits zurückgegriffen werden kann.

Edge-Lösung: Hoher Datenschutz bei überschaubaren Kosten

Was bereits jetzt klar ist: Nur eine datenschutzfreundliche Variante ist beim KI-Einsatz akzeptabel. Die Patientendaten sollen zu jeder Zeit sicher sein. Das Team um Hahn und Weber verfolgt beim Einsatz in Kliniken und Arztpraxen deshalb eine Edge-Lösung. Das bedeutet: Die KI liest und analysiert die EKG-Daten direkt vor Ort. Sensible Patientendaten verlassen die Klinik bzw. Praxis nicht, wandern weder ins Ausland noch zu Drittanbietern – wie es bei Cloud-Lösungen auf externen Servern der Fall wäre. Das macht Edge-Systeme nicht nur deutlich datenschutzfreundlicher, sondern auch unabhängig vom Netzzugang.

Für solche Edge-Systeme benötigt man passende Hardware, in diesem Fall einen Laptop, in den man die EKG-Daten einspeisen kann und auf dem die KI die Daten ausliest. Durch Gespräche mit den Praxispartnern wurde klar: Damit die KI im Praxisalltag tatsächlich genutzt werden kann, müssen diese Laptops bezahlbar sein.

„Wenn wir für das Auslesen Hardware für mehrere tausend Euro benötigen, und dieser Laptop ausschließlich für das Auslesen von EKGs genutzt werden soll, können die meisten Praxen sich das schlichtweg nicht leisten“, berichtet Hahn. Ziel der Forschungsgruppe ist ein System, das auf Hardware funktioniert, die etwa 1000 Euro kostet. Eine zentrale Rolle der Forschung spielt deshalb die technische Architektur. Die KI darf nur so viel Rechenleistung benötigen, wie ein handelsüblicher Laptop liefern kann.

Cloud-Lösung: Mehr Leistungsfähigkeit

„Selbstverständlich sollen die KI-Systeme die Ärzte nur unterstützen. Ein Mensch muss immer die Analyse der KI prüfen“, erklärt Jasmin Freudenberg, Doktorandin aus der Forschungsgruppe. Aktuell ist die KI noch nicht in der Lage, aus Auffälligkeiten konkrete Verdachtsdiagnosen abzuleiten. Doch auch das könnte mittelfristig realistisch werden, so die Einschätzung von Annika Steiger, ebenfalls Doktorandin in der Arbeitsgruppe Medizinische Informatik und graphbasierte Systeme.

Cloud-Lösungen für weitere Zielgruppen werden von den Kooperationspartnern Getemed und dem BIH ebenfalls entwickelt. Der Vorteil hier: Mehr Leistungsfähigkeit. Ziel am Ende des Projektes ist, dass mit Edge- und Cloud-Algorithmen zwei unterschiedliche Lösungsansätze konzeptioniert werden, die die jeweiligen Vorteile der einzelnen Bereiche optimal ausnutzen.

Da es sich beim FACE-Projekt um sogenannte vorwettbewerbliche Forschung handelt, dürfen die Ergebnisse nicht unmittelbar in ein marktreifes Produkt münden. Die beteiligten Firmen wollen die gewonnenen Erkenntnisse jedoch in die Weiterentwicklung ihrer Geräte einfließen lassen. Denkbar ist etwa ein smartes EKG-Gerät, das ganz ohne zusätzlichen Laptop auskommt.