In einer Welt, in der sich rasant entwickelnde künstliche Intelligenz (KI) immer mehr Lebensbereiche erfasst, entstehen zunehmend Fragen zu ihrem Einsatz. Mit den fortlaufenden Veränderungen auf dem Arbeitsmarkt beginnen viele Beschäftigte in verschiedenen Branchen, einschließlich des Gesundheitswesens, die Auswirkungen zu spüren. Eine der deutlich sichtbaren Entwicklungen ist der zunehmende Einsatz von KI zur Analyse medizinischer Daten und zur Beschleunigung der Arbeit von Fachspezialisten.
Es stellt sich jedoch eine wichtige Frage: Wird KI in der Lage sein, medizinisches Fachpersonal zu ersetzen, so wie es in einigen anderen Branchen geschehen ist, in denen Automatisierung den menschlichen Faktor weitgehend verdrängt hat? Und wäre ein solcher Ansatz in einem Bereich verantwortungsvoll, der sich direkt auf die Patientenversorgung und Behandlungsergebnisse auswirkt?
Ein Bereich, in dem dieser Wandel bereits stattfindet, ist die Analyse von ambulanten EKG-Untersuchungen (Holter). KI kann die Prozesse bei der Auswertung dieser Untersuchungen beschleunigen und automatisieren, die bei etwa 80.000 bis 120.000 Herzschlägen pro Tag bei manueller Beurteilung sehr zeitaufwendig sind. Dennoch muss Effizienz im Gesundheitswesen stets mit Zuverlässigkeit einhergehen.
Eine Studie mit 82 Patienten und 100 siebentägigen EKG-Aufzeichnungen verglich die Effektivität der KI-Analyse mit der Analyse durch Kardiologen. Die Übereinstimmung zwischen KI und Kardiologen bei der Erkennung von Vorhofflimmern (AF) lag bei 99,8% und zeigt, dass KI Aufgaben schneller erledigen kann, bei gleicher Qualität wie Fachspezialisten (Hennings et al., 2023). Daher stellt sich die berechtigte Frage, ob der menschliche Faktor bei der Analyse von ambulanten EKG-Untersuchungen noch notwendig ist.
Obwohl verschiedene wissenschaftliche Studien die Zuverlässigkeit von KI-Anwendungen bei der Analyse von Holter-EKG-Untersuchungen belegen, sollte künstliche Intelligenz nicht die alleinige Instanz sein, die EKGs analysiert und Diagnosen stellt, da selbst hochentwickelte KI-Systeme falsch positive Ergebnisse liefern oder kritische Anomalien übersehen können.
KI kann jedoch Aufgaben automatisieren, die bisher noch manuell von medizinischem Fachpersonal durchgeführt werden, zum Beispiel das Entfernen von Artefakten oder die Analyse von zehntausenden oder sogar hunderttausenden Herzschlägen einzeln. Dadurch kann die Effizienz der Analyse und der Berichterstellung erhöht werden, was die Wartezeiten der Patienten auf eine Diagnose verkürzen kann.
Darüber hinaus kann künstliche Intelligenz auch dabei helfen, dem Mangel an spezialisiertem medizinischem Personal entgegenzuwirken, indem sie es ermöglicht, dass dieselbe Anzahl an Fachkräften ambulante EKG-Untersuchungen in kürzerer Zeit auswertet.
Künstliche Intelligenz (KI) ist ein leistungsfähiges Werkzeug, das bei angemessenem Einsatz den medizinischen Sektor erheblich unterstützen kann, insbesondere im Bereich der Kardiologie. Sie wird jedoch die Arbeit eines qualifizierten Spezialisten nicht vollständig ersetzen.
Daher ist es entscheidend, dass Software zur Analyse von ambulanten Holter-EKG-Untersuchungen, die KI-Algorithmen nutzt, eine möglichst hohe Ergebnisqualität bietet und Tätigkeiten automatisiert, die in traditionellen Systemen mühsame manuelle Arbeit erfordern. Eine solche Umsetzung kann die Arbeit von Klinikern deutlich beschleunigen, zu präziseren Berichten und Diagnosen beitragen und die Wartezeiten auf fachärztliche Konsultationen verkürzen.
Cardiomatics ist eine cloudbasierte medizinische Software (CE/MDR), die auf künstlicher Intelligenz (KI) basiert und zur Analyse von Holter-EKG-Untersuchungen eingesetzt wird. Das System nutzt klinisch validierte KI-Algorithmen, um präzise und qualitativ hochwertige Ergebnisse zu liefern.
Dank der Automatisierung und einer modernen Benutzererfahrung, einschließlich eines interaktiven Berichtsbereichs für ambulante (Holter-)EKG-Untersuchungen, können Spezialisten in Krankenhäusern sowie in Einrichtungen der ambulanten spezialisierten Versorgung und der Primärversorgung ihre Analysezeit um bis zu 80% reduzieren und die Wartezeit der Patienten auf eine Diagnose um 36% verkürzen.
Die Lösung wird derzeit von mehreren hundert medizinischen Einrichtungen in 10 Ländern weltweit genutzt, darunter das Universitätsspital Basel, die Cornell University und American Heart of Poland.
Mehr erfahren
https://cardiomatics.com/de/kliniken/
Literaturverzeichnis
Hennings, E., Coslovsky, M., Paladini, R. E., Aeschbacher, S., Knecht, S., Schlageter, V., Krisai, P., Badertscher, P., Sticherling, C., Osswald, S., Kühne, M., Zuern, C. S., & Swiss-AF Investigators (2023). Assessment of the atrial fibrillation burden in Holter electrocardiogram recordings using artificial intelligence. Cardiovascular digital health journal, 4(2), 41–47. https://doi.org/10.1016/j.cvdhj.2023.01.003