CN-10-2024-8-Herzmedizin_1920x540 CN-10-2024-8-Herzmedizin_1920x540

Schnell & smart – wie KI die Entscheidungsfindung erleichtern kann

Vorhersagemodelle mit künstlicher Intelligenz und Machine Learning haben das Potenzial, die Prognose für Patientinnen und Patienten mit einem außerklinischen Herzstillstand zu verbessern. Das ist nicht nur eine Vision, sondern lässt sich bereits durch Daten belegen.

Dieser Artikel erschien in der Cardio News, April 2025. DGK-Mitglieder erhalten die Cardio News kostenlos. Hier Mitglied werden! 

Von:

Prof. Dr. Birgit Markus

Universitätsklinikum Giessen und Marburg GmbH

 

17.04.2025

Die Mortalität für Betroffene eines außerklinischen Herzkreislaufstillstandes (OHCA) ist weiterhin hoch – trotz intensiver Forschung und stetiger Optimierung der Versorgungsstrukturen. Gemäß der Daten einer repräsentativen Metaanalyse von 2020 (141 Studien, > 4 Millionen OHCA-Patienten) erreichen weltweit nur 22 % der OHCA Patientinnen und -Patienten eine Klinik, nur 8,8 % überleben den Klinikaufenthalt. Es besteht somit ein dringender Bedarf an innovativen, schnell verfügbaren und individuell angepassten Ansätzen für eine gezielte Diagnostik und Therapie, um die Überlebenschancen der Betroffenen verbessern zu können. Aufgrund der Komplexität des Erkrankungsbildes rücken Methoden der künstlichen Intelligenz (KI) und des Machine Learning (ML) zunehmend in den Fokus. Solche Technologien sind dazu fähig, in einem zeitkritischen Setting große Datensätze zu analysieren und komplexe Muster zu erkennen, wodurch eine echtzeitgestützte Entscheidungsfindung möglich wird. Etablierte, studienbasierte Methoden könnten damit ergänzt werden.

Aussagekräftiger als traditionelle Scores

Mithilfe etablierter ML-Modelle (Random Forest, XGBoost) konnten sowohl wir als auch andere Forscherteams bereits erste Ansätze und Ideen zur Anwendung von ML nach OHCA aufzeigen. Relevante Prädiktoren für die Mortalität und das neurologische Outcome wurden identifiziert, darunter demografische Parameter, reanimationsassoziierte Faktoren sowie Biomarker der Hämodynamik, Inflammation und Organfunktion. In Kombination angewendet ermöglichen diese frühzeitig erhobenen Parameter unseren Daten zufolge eine genauere Prognose als traditionelle Scores wie z. B. rCAST.

 

Die Identifikation und Nutzung jener etablierten Biomarker ist jedoch lediglich ein erster Schritt zur Integration von KI in das Postreanimationsmanagement. Eine umfassendere Datenauswertung – inkl. der Identifikation neuer, innovativer Biomarker sowie der präzisen Bestimmung optimaler Diagnose- und Therapiezeitpunkte – ist in dieser hochkomplexen und zeitkritischen Situation unerlässlich. Prädiktoren für spezialisierte Therapieverfahren, z. B. mechanische Kreislaufunterstützungssysteme, können darüber hinaus dazu beitragen, deren Einsatz gezielter und ressourcenschonender zu steuern.

Sensorik und Virtual Reality als innovative Ansätze

Mittels innovativer Technologien könnten perspektivisch zudem sensorische und visuelle Parameter in das Postreanimationsmanagement integriert werden. Ansätze der Virtual und Augmented Reality bieten eine vielversprechende Echtzeitunterstützung für Notfallteams. Holografische Projektionen relevanter klinischer Marker könnten unter Zuhilfenahme von Wearables (z. B. Smart Glasses) unmittelbar visuelle Hinweise liefern, die fundierte Therapieentscheidungen erleichtern. Eine auf Echtzeitpatientendaten basierende 3-D-Visualisierung des Körpers könnte die Identifikation des führenden pathophysiologischen Problems und somit eine gezielte Intervention unterstützen. Erste Anwendungsdaten sind vielversprechend.

Fazit

  • Die Einbettung von prädiktiven KI-Analysen in Entscheidungshilfetools kann eine transparente, individualisierte Risikobewertung und zeitgerechte Therapieeinleitung nach einem OHCA ermöglichen.
  • Ethische, regulatorische und datenschutzrechtliche Aspekte sind dabei zu beachten.
  • Erste Ergebnisse unterstreichen die Notwendigkeit der weiteren Validierung und Implementierung von KI und ML in der Intensivmedizin, insbesondere im Rahmen der Diagnostik und Therapie nach OHCA.

Das könnte Sie auch interessieren

S3-Leitlinie Diagnostik und Therapie von Hyperlipidämie bei Kindern und Jugendlichen (Hyperlip-Kid). Vorgestellt von Prof. H. Schunkert und Prof. U. Laufs.

PD Dr. W. Fehske über seine persönlichen Highlights der diesjährigen Ausgabe des Kongresses.

DGK.Kardiale Bildgebung 2026 | Prof. G. Korosoglou über aktuelle Entwicklungen in der Bildgebung.