Wir haben uns kürzlich mit Prof. Christine Meyer-Zürn vom Universitätsspital Basel zusammengesetzt, um auf unsere langjährige Zusammenarbeit zurückzublicken und über die sich entwickelnde Landschaft der EKG-Forschung sowie den Einsatz von künstlicher Intelligenz in der Kardiologie zu sprechen.
Rafał Samborski: Dies ist bereits unser sechstes gemeinsames Projekt. Was bringt das USB dazu, weiterhin mit Cardiomatics zusammenzuarbeiten?
Christine Meyer-Zürn: Unsere fortgesetzte Zusammenarbeit basiert in erster Linie auf der konstant hohen methodischen Qualität und der zuverlässigen EKG-Analyse in mehreren gemeinsamen Forschungsprojekten. In verschiedenen Studien, darunter die Swiss-AF-Burden-Kohorte, zeigte die KI-basierte Quantifizierung der Vorhofflimmer-Belastung eine sehr hohe Übereinstimmung mit ärztlich beurteilten Auswertungen. Dieses Maß an Übereinstimmung unterstreicht ihre Eignung für den weiteren Einsatz in klinischen Forschungskontexten.
Was sind heute die größten methodischen Herausforderungen in der EKG-Forschung, und wie kann die Zusammenarbeit mit Technologiepartnern dazu beitragen, sie zu bewältigen?
Moderne Studien stützen sich zunehmend auf Langzeitüberwachungen (z. B. 7-Tage-Holter oder länger) und erzeugen dabei sehr große Datenmengen. Die manuelle Auswertung ist zeitaufwendig, ressourcenintensiv und anfällig für interindividuelle Unterschiede zwischen Beurteilenden. Eine konsistente und skalierbare Analyse sicherzustellen, ohne dabei an Genauigkeit einzubüßen, bleibt daher eine zentrale Herausforderung.
Ambulante EKG-Aufzeichnungen enthalten häufig Artefakte, bewegungsbedingte Störungen und eine variable Signalqualität. Eine robuste Vorverarbeitung und eine zuverlässige Arrhythmieerkennung sind entscheidend, um systematische Verzerrungen zu vermeiden. KI-basierte Plattformen können eine automatisierte, standardisierte und reproduzierbare Quantifizierung von Arrhythmie-Parametern ermöglichen.
Historisch konzentrierte sich die EKG-Analyse auf die binäre Ereigniserkennung (z. B. Vorhandensein oder Fehlen von Vorhofflimmern). Zunehmend verlagert sich der Fokus jedoch auf quantitative Phänotypisierung, etwa AF burden, zeitliche Variabilität, zirkadiane Muster und die Dynamik von Arrhythmien. KI ist besonders gut geeignet, solche hochdimensionalen Merkmale aus kontinuierlichen Aufzeichnungen zu extrahieren. Auch das Post-Ablations-Setting stellt ein besonders attraktives Einsatzgebiet für KI dar, unter anderem zur Untersuchung von Geschlechtsunterschieden, auf die wir uns derzeit konzentrieren.
KI-basierte EKG-Metriken werden voraussichtlich in multimodale Risikoprädiktionsmodelle integriert, die Bildgebung, Biomarker, Genomik und klinische Variablen kombinieren. Wichtig ist dabei, KI als Werkzeug zur Unterstützung und Erweiterung klinischer Expertise zu verstehen, nicht als deren Ersatz. Automatisierte EKG-Analysen können den Arbeitsaufwand reduzieren, die Konsistenz erhöhen und es Ärztinnen und Ärzten ermöglichen, sich stärker auf Interpretation und klinische Einordnung statt auf die primäre Annotation zu konzentrieren.
Gleichzeitig bleiben rigorose prospektive Validierung, regulatorische Aufsicht, ethische Überlegungen und transparente Berichtsstandards entscheidend, um klinische Sicherheit und wissenschaftliche Glaubwürdigkeit zu gewährleisten.
Ein wichtiger nächster Schritt ist die strukturierte Überführung von KI-Anwendungen aus überwiegend wissenschaftlichen Kontexten in die routinemäßige klinische Praxis. Dieser Übergang muss unter fortgesetzter wissenschaftlicher Begleitung und mit aktiver Einbindung von Ärztinnen und Ärzten erfolgen, um methodische Strenge, Patientensicherheit und klinische Relevanz sicherzustellen.
In diesem Jahr findet der ESC Digital and AI Summit 2026 in Basel statt und wird eine wichtige Plattform bieten, um die Integration digitaler Technologien und künstlicher Intelligenz in die kardiovaskuläre Medizin voranzutreiben. Im Mittelpunkt stehen dabei nicht nur Algorithmen und technische Architekturen, sondern auch Datenqualität, Validierungsstrategien, Integration in klinische Arbeitsabläufe und messbare Auswirkungen in der realen Versorgung.
Das übergeordnete Ziel besteht darin, vertrauenswürdige und erklärbare KI-Lösungen gemeinsam zu entwickeln, die Klinikerinnen und Kliniker sicher in der Routineversorgung einsetzen können, von denen Patientinnen und Patienten tatsächlich profitieren und die Gesundheitssysteme verantwortungsvoll implementieren können. Durch die Verbindung technologischer Innovation mit klar definierten klinischen Anforderungen, die Generierung robuster Evidenz und die Förderung interdisziplinärer Zusammenarbeit wird eine nachhaltige und verantwortungsvolle digitale Transformation der kardiovaskulären Versorgung zunehmend Realität.