 |  | Theo Dingermann |
 |
25.06.2026 18:00 Uhr |
Forschende aus Kalifornien haben ein KI-Modell so trainiert, dass es aus kleinen Abweichungen im EKG das Risiko für den plötzlichen Herztod vorhersagen kann. / © Getty Images/FG Trade
Der plötzliche Herztod zählt weltweit zu den häufigsten kardiovaskulären Todesursachen. Jedes Jahr sterben in Deutschland etwa 70.000 Menschen daran. Die Ursache ist meist anhaltendes Kammerflimmern oder Kammertachykardie (Herzrasen), die dann zu einem Herstillstand führen. Obwohl implantierbare Kardioverter-Defibrillator (ICD) lebensbedrohliche ventrikuläre Arrhythmien wirksam stoppen können, bleibt ihre präventive Anwendung limitiert, da die derzeitige Risikostratifizierung unzureichend ist.
Die Leitlinien orientieren sich überwiegend an der Herzleistung, und zwar an einer linksventrikulären Ejektionsfraktion (LVEF) von ≤ 35 Prozent. Dieser Marker weist jedoch erhebliche Schwächen auf. Denn die Mehrzahl der Patienten, die an einem plötzlichen Herztod verstirbt, erfüllt dieses Kriterium nicht, während viele Patienten mit reduzierter LVEF niemals eine therapiepflichtige Arrhythmie entwickeln.
Um bessere Vorhersagemarker zu finden, entwickelten Forschende um Professor Dr. Ziad Obermeyer von der University of California in Berkeley, USA, ein KI-Modells, mit dem sie sämtliche digital verfügbaren Elektrokardiogramm(EKG)-Daten einer schwedischen Region analysierten und diese mit Todesursachenregistern und longitudinalen Gesundheitsdaten verknüpften. Das neuronale Netzwerk wurde darauf trainiert, das Risiko eines plötzlichen Herztodes innerhalb eines Jahres nach EKG-Aufzeichnung vorherzusagen. Die Ergebnisse ihrer Arbeit publizierte das Team im Fachblatt »Nature«.
Die finale Validierung erfolgte in einer Kohorte, deren Daten zuvor noch nicht näher ausgewertet worden waren. Zur Verfügung standen 119.000 EKG-Aufzeichnungen von knapp 36.000 Patienten unter 80 Jahren. Das Modell erreichte eine gute Trennschärfe mit einer Area under the Curve (AUC) von 0,872 und identifizierte eine Hochrisikogruppe von lediglich 2,2 Prozent der untersuchten Population, in der die jährliche Rate plötzlicher Herztodesfälle 7,0 Prozent betrug. Damit lag das Risiko in dieser Gruppe deutlich über jenem von Patienten mit reduzierter LVEF (4,6 Prozent pro Jahr). Bemerkenswert ist, dass 86 Prozent der vom KI-Modell als Hochrisikopatienten identifizierten Personen durch die etablierte LVEF-basierte Risikostratifizierung nicht erkannt worden wären.
