Künstliche Intelligenz in der Versorgung von Frauen

Frauen werden nicht nur seltener in klinische Studien einbezogen, sondern auch in den Bereichen Diagnostik, Risikoeinschätzung und Therapie anhaltend benachteiligt, was oft schwerwiegende Konsequenzen nach sich zieht. Herzinfarkte bei Frauen werden zum Beispiel häufig nicht erkannt, da „atypische“ Symptome wie Übelkeit oder Dyspnoe oft fehlgedeutet werden, und bestehende Risikoscoring-Systeme geschlechtsspezifische Unterschiede nur unzureichend erfassen. In diesem Zusammenhang rückt künstliche Intelligenz, die die Möglichkeiten bietet individualisierte und geschlechtersensitive Medizin umzusetzen, zunehmend in den Fokus des Interesses. Ein im Juni 2025 publizierter Artikel von Goldberg et al. „The Impact of Artificial Intelligence on Women’s Cardiovascular Disease Care“¹ analysiert eben dieses Potenzial und evaluiert konkrete klinische Einsatzmöglichkeiten von KI, setzt sich aber auch mit methodischen und ethischen Herausforderungen auseinander.

Ein zentraler Einsatzbereich von KI liegt in der Analyse von EKGs. Beispiel ist ein im Lancet Digital Health² vorgestellter KI-Algorithmus, der in der Lage ist, aus standardisierten 12-Kanal-EKGs das biologische Geschlecht mit hoher Treffsicherheit (bis zu 95 %) zu identifizieren. Interessanterweise stellte sich heraus, dass bei Frauen, deren EKG als „männlich“ imponierte, ein signifikant höheres Risiko für kardiovaskuläre Ereignisse bestand. Somit steht ein neuartiger Risikomarker zur Verfügung, der mit traditionellen Methoden nicht erkennbar ist.² Solche Modelle ermöglichen eine tiefgreifende Differenzierung und bieten neue Ansatzpunkte für eine geschlechterspezifische Risikostratifizierung. Auch frühere Arbeiten konnten bereits zeigen, dass KI-basierte EKG-Modelle in der Lage sind, Vorhofflimmern, Herzinsuffizienz oder Kardiomyopathien mit höherer Genauigkeit vorherzusagen als konventionelle Verfahren – und zwar bei beiden Geschlechtern, aber mit bisher ungenutztem Potenzial spezifisch für Frauen.³

Ein weiterer vielversprechender Ansatz liegt in der automatisierten Analyse von Bildgebungsmodalitäten. So wurde kürzlich ein transformerbasiertes KI-Modell vorgestellt, das in der Lage ist, aus Mammografieaufnahmen die Menge an Brustarterienkalk (Breast Arterial Calcification, BAC) zu extrahieren und zu bestimmen- ein Parameter, der stark mit dem kardiovaskulären Risiko bei Frauen assoziiert ist. Eine Analyse von mehr als 100.000 Mammografien ergab eine signifikante Assoziation von BAC mit späteren kardiovaskulären Ereignissen und zwar unabhängig von anderen traditionellen Risikofaktoren.⁴ Dies zeigt, dass eine routinemäßige eingesetzte Untersuchung zur kosteneffektiven kardiovaskulären Risikostratifizierung spezifisch für Frauen, bei denen klassische Risikostratifizierungs-Tools wie der Framingham Score oft versagen, beitragen kann.

Auch für spezielle Risikogruppen, wie zum Beispiel Frauen mit Autoimmunerkrankungen wie systemischem Lupus erythematodes oder rheumatoider Arthritis, werden zunehmend KI-Modelle eingesetzt. Studien zeigen, dass Algorithmen, die sowohl klinische Daten als auch sonografisch erhobene Gefäßparameter (z. B. Messungen der Intima-Media Dicke (IMT)) integrieren, eine deutlich bessere Risikoabschätzung für kardiovaskuläre Ereignisse erlauben als herkömmliche Risikoscores.⁵ Für die Risikovorhersage bei peripartaler Kardiomyopathie und hypertensiven Komplikationen während der Schwangerschaft gibt es ebenfalls erste Pilotdaten, die den Nutzen von KI-gestützter longitudinaler Überwachung nahelegen, eine breitere Validierung steht allerdings noch aus.

Neben dem erheblichen Nutzenpotenzial stehen dem klinischen Einsatz von KI aber auch erhebliche Herausforderungen gegenüber. Ein zentrales Problem stellt der sogenannte algorithmische Bias dar: Viele Modelle basieren auf Datensätzen, in denen Frauen stark unterrepräsentiert waren, wodurch es zu einer systematischen Fehlklassifikationen kommen kann. So zeigte eine Studie zur Nutzung von Sprachmodellen (darunter auch GPT-4), dass Frauen mit psychischer Komorbidität bei gleicher klinischer Präsentation ein niedrigeres kardiovaskuläres Risiko zugeordnet wurde als Männern.⁶ Die Möglichkeit, dass KI bestehende Ungleichheiten verstärken könnte, macht die Entwicklung von fairen, diversen und transparenten Modellen unabdingbar.

Goldberg et al.¹ heben daher hervor, dass KI in der kardiovaskulären Versorgung von Frauen nur dann ihr volles Potenzial ausschöpfen kann, wenn bestimmte Bedingungen erfüllt sind: Eine umfassende Einbeziehung von Frauen in Trainings- und Validierungsdatensätzen, eine geschlechtersensible Entwicklung und externe Validierung von Modellen sowie deren Integration in klinische Entscheidungsprozesse unter Berücksichtigung ethischer Aspekte.

Die erwähnten Beispiele machen aber deutlich, dass KI-gestützte Methoden bereits jetzt – bei gewissenhafter Implementierung – zu einer verbesserten Identifizierung, differenzierteren Risikobewertung und individualisierten Versorgung von Frauen beitragen können.

Insgesamt lässt sich schlussfolgern, dass künstliche Intelligenz das Potential besitzt, einen grundlegenden Wandel in der geschlechtersensiblen Kardiologie herbeizuführen. Sie stellt neuartige Hilfsmittel zur frühzeitigen Risikoerkennung, zur objektiven Diagnostik auch atypischer Präsentationen und zur individualisierten Therapieunterstützung bereit. Um diese Veränderung verantwortungsbewusst zu gestalten, sind neben technischer Innovation auch gezielte Forschung, interdisziplinäre Kooperation und ein politischer Wille zur Gleichstellung in der medizinischen Datenlandschaft erforderlich.

Zur Übersichtsseite Women in Cardiology