Einfach erklärt
Ein gewöhnlicher Herztest könnte Hinweise auf eine gefährliche Herzstörung enthalten, die bisher oft übersehen wurden. Forschende haben einem Computer sehr viele solcher Tests gezeigt und ihn nach Mustern suchen lassen. So fand das Programm eine Gruppe mit höherem Risiko. Es entscheidet aber nicht, wer krank wird: Es könnte Ärztinnen und Ärzten lediglich helfen, genauer hinzuschauen.
Feine Signale im alltäglichen Herztest
Ein Elektrokardiogramm, kurz EKG, zeichnet die elektrischen Signale auf, die den Herzschlag steuern. Auf dem Papier oder Bildschirm erscheinen sie als Wellen und Ausschläge. Doch diese Linien sind mehr als einzelne Formen: Ihre feinen Veränderungen und ihr Zusammenspiel können Informationen über den Zustand des Herzens enthalten, die bei einer üblichen Betrachtung eines einzelnen EKGs leicht übersehen werden.
Für die Studie trainierte das Forschungsteam ein Computerprogramm darauf, in diesen Signalen Muster zu finden, die später mit einem plötzlichen Herztod in Verbindung standen. Dabei verglichen die Forschenden nicht nur EKGs gesunder Menschen mit denen von Personen, bei denen bereits eine Herzerkrankung festgestellt worden war. Sie verknüpften die Aufzeichnungen auch mit Angaben aus Totenscheinen. So konnte das Programm nach Mustern suchen, die bei Menschen aufgetreten waren, die später plötzlich an einer Herzerkrankung starben.
Die Studie leitete Ziad Obermeyer, Associate Professor an der School of Public Health der University of California, Berkeley. Der Notfallmediziner verbindet in seiner Forschung Medizin, künstliche Intelligenz und Gesundheitspolitik. Die Ergebnisse erschienen in der Fachzeitschrift Nature. Obermeyer ist außerdem am Programm Computational Precision Health beteiligt, das die University of California, Berkeley, gemeinsam mit der University of California, San Francisco, betreibt.
Das Besondere an den erlernten Hinweisen: Sie müssen nicht auf einem klar erkennbaren Fehler beruhen, den Ärztinnen und Ärzte im EKG leicht entdecken können. Das Programm betrachtet mehrere elektrische Merkmale gemeinsam und kann aus ihrem Zusammenspiel ein Muster ableiten, das auf ein erhöhtes Risiko hindeutet. Welche biologischen Veränderungen genau dahinterstehen, wissen die Forschenden bislang allerdings nicht.
Herzstillstand ist nicht dasselbe wie Herzinfarkt
Um die Bedeutung einer solchen Vorhersage zu verstehen, muss man zwischen einem Herzinfarkt und einem plötzlichen Herzstillstand unterscheiden. Bei einem Herzinfarkt wird ein Teil des Herzmuskels nicht mehr ausreichend durchblutet, weil der Blutfluss durch ein verstopftes Gefäß eingeschränkt oder unterbrochen ist. Ein Herzstillstand entsteht dagegen, wenn das elektrische System aus dem Takt gerät, das den Herzschlag koordiniert. Dann kann das Herz das Blut nicht mehr wirksam durch den Körper pumpen.
Ein Herzstillstand kann ohne eindeutige Vorwarnung auftreten. Deshalb ist es schwierig, die unmittelbare Zeit davor zu beobachten und zu untersuchen. Den Angaben der Studie zufolge sterben etwa 90 % der Menschen, die außerhalb eines Krankenhauses einen plötzlichen Herzstillstand erleiden, innerhalb weniger Minuten. Wiederbelebung und ein äußerlich angewendeter Defibrillator können den normalen Herzrhythmus wiederherstellen. Die Chance auf eine erfolgreiche Behandlung sinkt jedoch stark, wenn niemand auf den Notfall vorbereitet ist oder Hilfe nicht schnell genug verfügbar ist.
Hinzu kommt, dass ein plötzlicher Tod den Forschenden meist die Möglichkeit nimmt, die Vorgänge im Herzen unmittelbar vor dem Stillstand zu verfolgen. Eine Obduktion kann etwa verstopfte Gefäße, Narben oder andere Veränderungen der Herzstruktur zeigen. Sie kann aber nicht nachträglich rekonstruieren, wie die elektrischen Signale des Herzens in den Minuten vor dem Tod aussahen. Frühzeichen bei lebenden Menschen zu finden, bleibt deshalb eine wichtige medizinische Herausforderung.
Die Vorhersage wird auch dadurch erschwert, dass die Fälle nicht unbedingt dieselben Ursachen oder Merkmale aufweisen. Zudem wurden Menschen, die später starben, möglicherweise nie von einer spezialisierten Herzklinik untersucht. Werden routinemäßig erhobene Gesundheitsdaten in großem Umfang ausgewertet, könnten darin bereits vorhandene Hinweise sichtbar werden, nach denen zuvor niemand gezielt gesucht hat.
Was bei den üblichen Untersuchungen verborgen bleibt
Um das Risiko eines plötzlichen Herztods einzuschätzen, messen Ärztinnen und Ärzte unter anderem, wie viel Blut das Herz bei jedem Schlag pumpt. Dieser Wert hilft dabei, die Pumpfunktion des Herzens zu beurteilen. Er fließt auch in Entscheidungen darüber ein, ob bestimmte Patientinnen und Patienten für einen implantierbaren Kardioverter-Defibrillator infrage kommen. Dieses Gerät wird unter die Haut eingesetzt und kann bei einer gefährlichen Herzrhythmusstörung einen elektrischen Schock abgeben.
Die Pumpfunktion lässt sich allerdings meist nicht allein anhand eines routinemäßigen EKGs beurteilen. Dafür ist in der Regel eine umfassendere medizinische Untersuchung nötig. Viele Menschen werden gar nicht erst solchen Tests unterzogen, vor allem wenn sie keine Beschwerden haben und keine bekannten Gründe für einen Verdacht vorliegen. So können wichtige Hinweise bei Personen unentdeckt bleiben, die nie in eine spezialisierte Abklärung gelangen.
Umgekehrt bedeutet ein erhöhtes Risiko nicht automatisch, dass ein implantiertes Gerät tatsächlich zum Einsatz kommt. Den Angaben der Forschungsarbeit zufolge gibt der Defibrillator bei rund zwei Dritteln der Patientinnen und Patienten, denen ein solches Gerät eingesetzt wurde, keinen Schock ab. Der Eingriff ist teuer und belastend. Eine genauere Auswahl der Menschen, die voraussichtlich am meisten davon profitieren, könnte daher unnötige Behandlungen vermeiden, ohne diejenigen aus dem Blick zu verlieren, die das Gerät benötigen.
Darin liegt ein grundlegendes Dilemma: Sind die Kriterien zu eng, können gefährdete Menschen durchs Raster fallen. Werden dagegen wegen unsicherer Hinweise zu viele Personen für eine Behandlung ausgewählt, müssen manche einen Eingriff über sich ergehen lassen, den sie nicht brauchen. Der mögliche Nutzen künstlicher Intelligenz besteht deshalb nicht darin, ein endgültiges Urteil zu fällen. Sie könnte vielmehr die Vorauswahl verbessern und dabei helfen, zu erkennen, bei wem weitere Untersuchungen sinnvoll sind.
Von Hunderttausenden EKGs zum internationalen Test
Trainiert wurde das System mit EKG-Aufzeichnungen, die über einen Zeitraum von sechs Jahren im schwedischen Gesundheitssystem gesammelt worden waren. Der Datensatz umfasste mehr als 440.000 EKGs. Indem die Forschenden diese Aufzeichnungen mit Angaben aus Totenscheinen verknüpften, konnten sie die elektrischen Muster verschiedener Gruppen vergleichen – darunter auch die von Menschen, die später plötzlich an einer Herzerkrankung starben.
Das Programm lernte aus Tausenden Einzelheiten in den Aufzeichnungen, etwa aus der Form und Abfolge der Wellen sowie aus den Beziehungen zwischen ihren Bestandteilen. Bei dieser Art der Auswertung müssen Forschende nicht vorab festlegen, welches einzelne Merkmal als Warnzeichen gelten soll. Das System kann selbst nach Kombinationen von Eigenschaften suchen, die wiederholt gemeinsam mit dem Ereignis auftreten, das vorhergesagt werden soll.
Nach dem Training prüfte das Team die Methode anhand unabhängiger Daten aus anderen Ländern. Das ist wichtig, um herauszufinden, ob die Fähigkeiten des Systems über die Patientengruppe hinausreichen, mit der es trainiert wurde. In die Tests flossen Tausende weitere Aufzeichnungen aus den USA und Taiwan ein. Die US-Daten umfassten EKGs, die über zwei Jahre in einem Krankenhausverbund in San Diego gesammelt worden waren. Hinzu kam eine separate Sammlung von Patientendaten aus Taipeh.
Unterschiedliche Länder und Gesundheitssysteme einzubeziehen, hilft dabei, die Übertragbarkeit der Ergebnisse zu prüfen. Es beweist jedoch nicht, dass das System bei jeder Bevölkerungsgruppe und allen Patientinnen und Patienten gleich gut funktioniert. Unterschiede in der Zusammensetzung der Bevölkerung, bei der Erfassung der Daten und in der verfügbaren Versorgung können die Leistung eines Modells beeinflussen. Deshalb muss ein solches Verfahren an mehreren Orten getestet werden, bevor ein breiter Einsatz in der klinischen Praxis infrage kommt.
Die Datensammlung und -aufbereitung dauerte nach Angaben von Obermeyer fast 10 Jahre. Beteiligt waren auch Dandelion Health und Nightingale Open Science, zwei Organisationen, an deren Gründung er mitgewirkt hatte. Das zeigt: Die Entwicklung eines medizinischen Algorithmus beginnt nicht erst mit dem Schreiben des Programms. Daten zugänglich zu machen, sie verlässlich miteinander zu verknüpfen und für die Forschung bereitzustellen, kann selbst ein langwieriges Vorhaben sein.
Was bedeutet ein Risiko von 7 %?
Bei den herkömmlichen Methoden lag die jährliche Sterberate durch plötzlichen Herztod in der erkannten Patientengruppe bei 4,6 %. In der Gruppe, die das KI-System als besonders gefährdet einstufte, betrug sie 7 %. Das Programm identifizierte damit eine Gruppe, in der das beobachtete Risiko höher war als in der Gruppe, die mit den üblichen Bewertungsverfahren ermittelt wurde.
Diese Prozentwerte beschreiben die jährliche Sterblichkeit in Gruppen. Sie sagen nicht voraus, was einer bestimmten Person passieren wird. Auch wird aus dem Unterschied zwischen 4,6 % und 7 % keine Gewissheit. Er bedeutet ebenso wenig, dass jede Person in der höheren Risikogruppe automatisch ein implantiertes Gerät benötigt. Vielmehr deuten die Ergebnisse darauf hin, dass sich Menschen möglicherweise genauer nach ihrem Risiko einordnen lassen – und Ärztinnen und Ärzte so besser über den nächsten Schritt entscheiden können.
Bemerkenswert ist außerdem, dass der Algorithmus eine größere Gruppe von Menschen mit erhöhtem Risiko erkannte. Darunter waren Tausende, bei denen die derzeitigen medizinischen Leitlinien normalerweise keinen starken Verdacht nahegelegt hätten. Nach den herkömmlichen Verfahren wäre die Mehrheit dieser Menschen als vergleichsweise wenig gefährdet eingestuft worden. Das wirft die Frage auf, ob Hinweise auf manche Risiken in alltäglichen Gesundheitsdaten verborgen liegen, ohne bei der üblichen Auswertung aufzufallen.
Ein größerer Kreis von Menschen, bei denen ein Verdacht besteht, darf jedoch nicht automatisch zu mehr Eingriffen führen. Zusätzliche Untersuchungen, eine engmaschige Beobachtung und die Entscheidung für ein implantiertes Gerät sind unterschiedliche Schritte, für die jeweils mehr Belege nötig sind. Der erste praktische Nutzen des Systems könnte daher darin liegen, bei manchen Patientinnen und Patienten eine genauere Überwachung anzustoßen – nicht darin, unmittelbar von einem Algorithmusergebnis zu einem chirurgischen Eingriff überzugehen.
Wie aus einem Warnsignal weitere Untersuchungen werden könnten
Obermeyer und sein Team arbeiten mit Gesundheitseinrichtungen in Schweden, Taiwan und den USA daran, den Algorithmus in die EKG-Datenbanken von Krankenhäusern einzubinden. Die Idee: Bereits vorhandene Aufzeichnungen nach möglichen Warnzeichen durchsuchen und anschließend jene Patientinnen und Patienten kontaktieren, bei denen das System ein erhöhtes Risiko ermittelt. Ihnen könnte eine weiterführende Untersuchung angeboten werden.
Eine Möglichkeit wäre, dass einige Patientinnen und Patienten ein kleines Pflaster tragen, das die elektrischen Signale des Herzens kontinuierlich aufzeichnet. Anders als ein EKG, das nur über einen begrenzten Zeitraum misst, kann eine längere Beobachtung auch vorübergehende Rhythmusstörungen oder Veränderungen erfassen, die in einer kurzen Aufzeichnung nicht sichtbar werden. Solche Daten könnten Ärztinnen, Ärzten und Forschenden ein klareres Bild davon vermitteln, was hinter dem vom System erkannten Signal steckt.
Wenn die längere Überwachung aussagekräftige Muster zutage fördert, könnte sie helfen, die elektrischen oder biologischen Bedingungen besser zu verstehen, die ein Herz anfälliger für eine lebensgefährliche Rhythmusstörung machen. Sobald genügend Belege vorliegen, könnten diese Erkenntnisse medizinische Entscheidungen über vorbeugende Behandlungen unterstützen. Dazu könnte bei denjenigen, die am ehesten davon profitieren, auch ein implantierbarer Defibrillator gehören.
Diese Schritte sind Teil der Entwicklung eines möglichen klinischen Einsatzes. Sie bedeuten weder, dass die Untersuchung bereits allgemein verfügbar ist, noch dass eine Behandlung für alle Menschen geeignet wäre, die das System als besonders gefährdet einstuft. Damit aus einer Vorhersage ein besseres Behandlungsergebnis wird, muss zunächst geprüft werden, wie zuverlässig sie ist. Außerdem muss feststehen, was nach einem auffälligen Ergebnis geschehen soll. Schließlich sind Nutzen und Risiken für Patientinnen und Patienten unter realen Bedingungen zu messen.
Das Rätsel, das die KI sichtbar macht
Die Bedeutung der Arbeit reicht über die Einteilung von Patientinnen und Patienten nach ihrem Risiko hinaus. Der Algorithmus hat elektrische Muster gefunden, die nach Einschätzung der Forschenden mit einem erhöhten Risiko zusammenhängen. Was diese Muster biologisch bedeuten, ist jedoch noch nicht vollständig geklärt. Damit stellt sich eine grundlegende wissenschaftliche Frage: Was geschieht im Herzen, bevor eine tödliche Rhythmusstörung auftritt – und hinterlässt dabei eine Spur, die sich in einem gewöhnlichen EKG erkennen lässt?
Ein besseres Verständnis dieser Muster könnte bislang unbekannte Veränderungen aufdecken oder die Beurteilung des Herzens verbessern. Gelingt es, ein bestimmtes Signal mit einem konkreten Vorgang im Körper zu verknüpfen, können Forschende nicht nur feststellen, dass manche EKGs auf ein Risiko hindeuten. Sie könnten auch erklären, warum diese Signale auftreten und möglicherweise neue Wege zur Vorbeugung untersuchen.
Damit zeigt sich eine weitere Rolle künstlicher Intelligenz in der Medizin. Sie kann nicht nur Befunde schneller auswerten oder Routineaufgaben automatisieren, sondern auch dabei helfen, komplexe Zusammenhänge in großen Datenmengen aufzuspüren. Forschende können solche Hinweise anschließend mit Experimenten und klinischen Beobachtungen überprüfen. Trotzdem bleibt ein Algorithmus zunächst ein Werkzeug, um Muster zu entdecken: Eine medizinische Erklärung wird nicht allein deshalb zur Tatsache, weil ein Programm einen Zusammenhang mit einem gesundheitlichen Ereignis gefunden hat.
Damit dieses Vorgehen verlässlich ist, müssen Ärztinnen und Ärzte verstehen, was ein Ergebnis für die einzelne Person bedeutet. Auch die anschließenden Untersuchungen müssen klar festgelegt sein und zum jeweiligen Risiko passen. Zudem muss sichergestellt werden, dass das System bei unterschiedlichen Bevölkerungsgruppen zuverlässig arbeitet. Es darf weder falsche Sicherheit vermitteln noch unbegründete Ängste auslösen oder unnötige Untersuchungen nach sich ziehen.
Fazit
Die Studie der University of California, Berkeley, legt nahe, dass ein routinemäßiges EKG feine Hinweise auf das Risiko eines plötzlichen Herztods enthalten kann. Ein KI-System lernte aus mehr als 440.000 EKGs aus Schweden, die über sechs Jahre gesammelt worden waren, und wurde anschließend mit Tausenden weiteren Aufzeichnungen aus den USA und Taiwan getestet. In der vom System erkannten Gruppe lag die jährliche Sterblichkeit bei 7 %, gegenüber 4,6 % in der Gruppe, die mit herkömmlichen Verfahren identifiziert worden war. Außerdem fand es Menschen, die bei üblichen Untersuchungen wahrscheinlich nicht als besonders gefährdet gegolten hätten.
Die Ergebnisse erlauben keine sichere Vorhersage für einzelne Menschen und bedeuten nicht, dass allen Personen mit einem hohen Algorithmuswert ein Defibrillator eingesetzt werden sollte. Das Verfahren könnte Ärztinnen und Ärzten aber dabei helfen, gezielter zu entscheiden, wer genauer untersucht werden sollte – etwa durch eine längere Beobachtung der Herzsignale mit einem Messpflaster. Wenn künftige Tests Nutzen und Sicherheit bestätigen, könnte die Methode dazu beitragen, einige Todesfälle zu verhindern und zugleich neue Erkenntnisse über die Vorzeichen gefährlicher Herzrhythmusstörungen zu gewinnen.