KI-Analyse für Langzeit-EKG: Uni Siegen setzt auf Edge und Datenschutz

Langzeit-EKGs sind ein wichtiges Werkzeug, um Herzrhythmusstörungen wie Vorhofflimmern, Vorhofflattern oder Unregelmäßigkeiten im Sinusrhythmus zu erkennen. Gleichzeitig ist der Zeitdruck in der Versorgung hoch: Für ein 24-Stunden-EKG mit rund 100.000 aufgezeichneten Herzschlägen stehen laut Pressemitteilung der Universität Siegen in der Regel nur wenige Minuten abrechenbare Zeit zur Verfügung. Zudem liege die Fehlerquote laut offiziellen Statistiken im Schnitt bei etwa 25 Prozent.

Hier setzt das Projekt „FACE“ an, an dem die Universität Siegen beteiligt ist. Die Forschungsgruppe „Medizinische Informatik und graphbasierte Systeme“ um Prof. Kai Hahn und Dr. Christian Weber entwickelt gemeinsam mit Partnern wie GETEMED und dem Berlin Institute of Health (BIH) KI-Systeme, die Ärztinnen und Ärzte bei der schnellen und zuverlässigen EKG-Auswertung unterstützen sollen.

Grundlage sind reale, bereits fachkundig ausgewertete Patientendaten, unter anderem kostenfrei bereitgestellte EKG-Trainingsdaten des MIT (Massachusetts Institute of Technology). Die Forschenden vergleichen verschiedene Ansätze systematisch, unter anderem nach:

• Geschwindigkeit der Ergebnislieferung
• Rechenaufwand
• Präzision der EKG-Analysen

Leistungsfähige Systeme werden anschließend mit projektinternen Datensätzen weiterentwickelt. Ziel ist, dass die KI-Störgeräusche erkennt und Rhythmusklassen wie Vorhofflimmern, Vorhofflattern und normalen Sinusrhythmus selbständig einordnet.

Für den Einsatz vor Ort verfolgt das Team eine Edge-Lösung: Die Analyse erfolgt direkt in Klinik oder Praxis, Patientendaten verlassen die Einrichtung nicht. Das soll Datenschutz und Unabhängigkeit vom Netzzugang stärken. Voraussetzung ist jedoch bezahlbare Hardware. Prof. Hahn betont: „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“.

Trotz KI bleibt die Verantwortung beim Menschen. Jasmin Freudenberg, Doktorandin im Team, sagt: „Selbstverständlich sollen die KI-Systeme die Ärzte nur unterstützen. Ein Mensch muss immer die Analyse der KI prüfen“. Konkrete Verdachtsdiagnosen aus Auffälligkeiten abzuleiten, sei derzeit noch nicht möglich.

MEDICA.de; Quelle: Universität Siegen