KI erkennt Bluthochdruck und Diabetes anhand von Videoaufnahmen des Gesichts

Eine auf maschinellem Lernen basierende Analyse von Gesichtsvideos könnte künftig dabei helfen, bislang unerkannten Bluthochdruck und Diabetes schnell und berührungslos zu erkennen. Die entsprechenden Daten werden auf dem ESC Congress 2026 vorgestellt und könnten neue Möglichkeiten für ein breit angelegtes Screening eröffnen.

Weltweit leben schätzungsweise rund 1,4 Milliarden Menschen im Alter von 30 bis 79 Jahren mit Bluthochdruck (Hypertonie)¹. Bei etwa 589 Millionen Menschen besteht ein Diabetes². Beide Erkrankungen gehören zu den wichtigsten beeinflussbaren Risikofaktoren für kardiovaskuläre Erkrankungen – dennoch bleiben zahlreiche Fälle unerkannt³.

Das bisherige Screening erfolgt meist im Rahmen gezielter Arztbesuche oder mithilfe tragbarer Geräte. Dadurch ist die Reichweite entsprechender Untersuchungen begrenzt. Forschende der University of Tokyo und des Institute of Science Tokyo (Japan) haben nun einen Algorithmus entwickelt, der beide Erkrankungen anhand von nur fünf Sekunden langen Videoaufnahmen mit hoher Genauigkeit detektieren kann.

„Unser Ziel war es, einen KI-Algorithmus zu entwickeln, der ein kontaktloses Screening im Alltag ermöglicht, um häufige Erkrankungen früher und in größerem Umfang zu erkennen“, erklärt die Vortragende, Ryoko Uchida.

Gesichtsvideo als Grundlage für KI-Analyse

An der prospektiven, monozentrischen Studie nahmen 215 Personen teil, darunter sowohl bereits diagnostizierte Patientinnen und Patienten als auch gesunde Probanden. Von jeder Person wurden mit einer spektroskopischen Kamera kurze Hochgeschwindigkeitsvideos des Gesichts und der Handflächen aufgenommen.

Anschließend wurden die individuellen Videoaufnahmen mithilfe der Algorithmus, der auf maschinellem Lernen basiert, analysiert und daraus verschiedene Merkmale extrahiert. Dazu zählten die Dynamik der Pulswellen, die Rückschlüsse auf die Gefäßsteifigkeit erlaubt, Muster der Hautdurchblutung sowie spektrale Eigenschaften der Hautfärbung. Zusätzlich wurden bei allen Teilnehmenden konventionelle Untersuchungen durchgeführt, um eine Hypertonie oder einen Diabetes zu erfassen.

Diabetes ebenfalls anhand von Gesichtsvideos erkennbar

Das Forschungsteam um Uchida stellte ihren Algorithmus erstmals 2024 in der Fachzeitschrift „Scientific Reports“ vor. Die Studie zeigt, dass der Algorithmus eine Hypertonie anhand einer 30-sekündigen Aufnahme mit einer Genauigkeit von 95,0 Prozent erkennen kann, wenn Pulswellenanalysen von Gesichts- und Handflächenvideos kombiniert wurden. Die Sensitivität für die Erkennung eines normalen Blutdrucks lag bei 100,0 Prozent, für Hypertonie bei 89,2 Prozent. Auch bei einer nur fünf Sekunden langen Videoaufnahme blieb die Genauigkeit mit 90,3 Prozent hoch.

Nun stellt die Wissenschaftlerin neue Daten ihrer Studie vor, nach denen der Algorithmus auf Grundlage von Mustern der Durchblutung im Gesicht, auch Diabetes erkennen kann⁴. Auch hier wurden hohe Trefferquoten erzielt: Bei einer 30-sekündigen Aufnahme lag die Genauigkeit bei 88,2 Prozent, bei einer fünfsekündigen Aufnahme noch bei 81,2 Prozent.

Blutdruckschätzung ohne Manschette

Darüber hinaus konnte der Algorithmus allein anhand des Gesichtsvideos – ohne Blutdruckmanschette – den Blutdruck schätzen. Für den systolischen Blutdruck (SBP) betrug der mittlere absolute prozentuale Fehler 8,6 Prozent. Der mittlere Fehler lag bei −2,6 mmHg und damit innerhalb des von der Association for the Advancement of Medical Instrumentation (AAMI) vorgegebenen Grenzwerts von ±5,0 mmHg.

Die Standardabweichung des Fehlers betrug allerdings ±12,0 mmHg und überschritt damit das AAMI-Kriterium von ±8,0 mmHg. Weitere Untersuchungen sollen daher darauf abzielen, diese Variabilität zu reduzieren. Geplant sind unter anderem größere multizentrische Datensätze und eine Optimierung der verwendeten Merkmale.

Validierung in größeren Populationen steht noch aus

„Unser Algorithmus für maschinelles Lernen konnte Hypertonie und Diabetes anhand spektroskopischer Gesichtsvideos mit einer Dauer von nur fünf Sekunden zuverlässig erkennen“, fasst Uchida die Erkenntnisse zusammen. „Wir wollen diese Ergebnisse nun in größeren Kohorten und in vielfältigeren Populationen validieren, um die Voraussetzungen für eine Anwendung im Alltag zu schaffen.“

Sollten sich die Ergebnisse bestätigen, könnte das kontaktlose Verfahren ein Screening im alltäglichen Umfeld ermöglichen – ohne Blutdruckmanschette, Blutentnahme oder einen eigens dafür erforderlichen Arztbesuch. Dadurch könnten Menschen mit erhöhtem Risiko identifiziert werden, bei denen die Erkrankung ansonsten möglicherweise unerkannt und damit unbehandelt bliebe.

Potenzial für Prävention von Herz-Kreislauf-Erkrankungen

„Es ist bemerkenswert, dass KI-gestützte Technologien die Entwicklung so leistungsfähiger Instrumente für die frühzeitige Krankheitsprävention ermöglichen“, kommentiert Associate Professor Nico Bruining die Ergebnisse. Er ist Programm-Co-Vorsitzender des ESC Digital and AI Summit und Chefredakteur des „European Heart Journal – Digital Health“.

Seiner Ansicht nach könnte der schnelle, einfache und kontaktlose Ansatz über Krankenhäuser und Arztpraxen hinaus in zahlreichen anderen Bereichen eingesetzt werden. Dadurch ließe sich möglicherweise eine deutlich größere Zahl von Menschen erreichen als mit herkömmlichen Screeningverfahren. Und eine frühzeitige Erkennung von Hypertonie und Diabetes sei entscheidend, um Folgeerkrankungen zu verhindern.

Die neuesten Entwicklungen im Bereich der künstlichen Intelligenz und der kardiovaskulären Versorgung werden am 12. und 13. November 2026 auf dem ESC Digital & AI Summit in Basel (Schweiz) diskutiert.

(mkl/BIERMANN)

Referenzen:

^{[1] World Health Organization, 2025. Global report on hypertension 2025: High stakes – turning evidence into action}.
^{[2] International Diabetes Federation, 2025. Global Diabetes Data & Insights | IDF Diabetes Atlas.  
[3] Magnussen C et al. Global impact of modifiable risk factors on cardiovascular disease and mortality. N Engl J Med 2023;389:1273–1285. 
[4] Uchida R. AI-powered cardiometabolic assessment from a single facial video; Session: “Biomarkers: population burden and clinical outcomes”, ESC Congress 2026, 28.08. von 15:45 bis 16:45 Uhr}