Sensorsystem nutzt KI für kardiologische Diagnostik

Erkrankungen des Herz-Kreislauf-Systems sind laut Bundesamt für Statistik die häufigste Todesursache in Deutschland. Eine Vielzahl von Symptomen macht die Diagnose nicht einfach. Eine weitere Herausforderung ist der demographische Wandel – immer weniger Fachärzte müssen sich um immer mehr Patienten kümmern.

Unterstützung und Entlastung könnte hier der Einsatz von Künstlicher Intelligenz bieten. Allerdings gab es bisher keine Technologie für die kardiologische Diagnostik, die eine Messung aller relevanten Parameter gewährleistete, um die umfassend KI zu trainieren. Damit war die Entwicklung eines vollständigen Diagnose-Systems ausgeschlossen.

Nun deutet sich eine Lösung des Problems an: Am Fraunhofer-Institut für Zuverlässigkeit und Mikrointegration IZM haben Forscher ein Sensorsystem entwickelt, das auf wiederverwendbaren Pflastern basiert und die gesammelten Daten von einem in ein Wearable integrierten Edge-PC in die Cloud weiterleitet. Dort werden sie mit KI-Unterstützung ausgewertet. Etwa 240 kardiologisch relevante Parameter können aus den Messungen abgeleitet werden. Möglich ist es auch, die Messergebnisse von externen Geräten, etwa Ultraschall-Geräten, einzubinden. Klassische Verfahren zur Signalverarbeitung und trainierte KI-Modelle überprüfen die Daten. Anschließend werten neuronale Netze beispielsweise die Form der EKG-Linie aus und suchen nach Auffälligkeiten.

Eine Veröffentlichung vom Dezember 2025 auf PubMed Central zeigt, dass die spezialisierten KIs bei der Auswertung genauer sind als erfahrenes medizinisches Fachpersonal, das damit entlastet und von dieser zeitraubenden Tätigkeit befreit werden könnte.

Large-Language-Modelle unterstützen bei Auswertung und Diagnose

In die Auswertung fließen auch die Erkenntnisse aus der Anamnese ein, etwa zu familiären Vorbelastungen oder zum aktuellen Befinden. Dabei kommen Large Language Models (LLMs) zum Einsatz mit einem Fokus auf medizinische Themen. Die Beantwortung des an kardiologischen Leitlinien orientierten Fragebogens per Text- und Spracheingabe kann bei Bedarf, etwa bei Langzeitbeobachtungen, täglich wiederholt werden.

Die Sprachmodelle werden auch bei der Aufbereitung der Untersuchungsergebnisse eingesetzt. Abhängig vom Nutzer (ärztliches Fachpersonal oder Patient) werden in verständlicher Sprache Auffälligkeiten, Risikofaktoren und Diagnosevorschläge ausgegeben. Aber bevor das geschieht, prüft ein übergeordneter KI-Agent die Ergebnisse auf Widersprüche.

Perspektiven

Die Fraunhofer-Forscher gehen davon aus, dass sich durch eine solche Unterstützung von Standardprozessen die ärztliche Versorgung künftig effizienter organisieren ließe. So erhielten Hausärzte Unterstützung bei der Früherkennung von Symptomen und möglichen Risiken. Fachärzten würde umfangreichere Daten zur Verfügung stehen sowie Hilfe bei deren Auswertung. Herz-Kreislauf-Patienten könnten beispielsweise durch die Anpassung der Medikamentendosis an ihren aktuellen Zustand unterstützt werden. Nicht zuletzt wäre der Einsatz von ähnlichen Systemen auch in der Lungenmedizin denkbar.