Ein KI-System der Universität Oxford analysiert Echokardiographie-Daten und erkennt Herzinsuffizienz bis zu fünf Jahre früher als bisher möglich – ganz ohne zusätzliche Untersuchungen. Das könnte die Kardiologie nachhaltig verändern.
KI-Tool erkennt Herzinsuffizienz bis zu fünf Jahre vor dem Ausbruch
Wissenschaftler der Universität Oxford haben ein KI-basiertes Diagnosewerkzeug entwickelt, das Herzinsuffizienz bis zu fünf Jahre vor dem klinischen Auftreten der Erkrankung identifizieren kann. Das System analysiert Routinedaten aus bestehenden medizinischen Untersuchungen und könnte die Frühprävention in der Kardiologie grundlegend verändern.
Wie das System funktioniert
Das Werkzeug wertet Bilddaten aus Echokardiographien aus – Ultraschalluntersuchungen des Herzens, die in der regulären medizinischen Versorgung bereits standardmäßig eingesetzt werden. Mittels eines trainierten Algorithmus erkennt das Modell subtile strukturelle Veränderungen im Herzgewebe, die für das menschliche Auge nicht sichtbar sind und die erst Jahre später zu einer manifesten Herzinsuffizienz führen.
Der entscheidende Vorteil: Es sind keine zusätzlichen Untersuchungen notwendig – die KI steigert den Informationsgehalt bereits vorhandener Patientendaten.
Klinische Relevanz und Studienlage
Herzinsuffizienz zählt weltweit zu den häufigsten Todesursachen. In Deutschland sind nach Angaben der Deutschen Herzstiftung rund vier Millionen Menschen betroffen, jährlich sterben etwa 44.000 Patienten an den Folgen. Das zentrale Problem bisheriger Diagnoseansätze: Die Erkrankung wird häufig erst in einem fortgeschrittenen Stadium erkannt, in dem therapeutische Möglichkeiten bereits begrenzt sind.
Das Oxforder Team hat das Modell an mehreren tausend Patientendatensätzen validiert. Laut den Forschern konnte das System Hochrisikogruppen mit signifikant höherer Treffsicherheit identifizieren als konventionelle klinische Bewertungsverfahren.
Ein früherer Eingriff – etwa durch medikamentöse Therapie oder Lebensstilanpassungen – könnte den Krankheitsverlauf bei einem erheblichen Teil der Betroffenen verlangsamen oder aufhalten.
Einordnung im Kontext KI-gestützter Medizin
Das Oxforder Projekt reiht sich in eine wachsende Zahl klinischer KI-Anwendungen ein, die auf die Auswertung medizinischer Bilddaten spezialisiert sind. In diesem Segment dominieren Computer-Vision-Modelle und spezialisierte neuronale Netze – Large Language Models spielen hier eine untergeordnete Rolle. Ähnliche Ansätze werden bereits bei der Früherkennung von Augenkrankheiten, bestimmten Krebsarten und neurologischen Erkrankungen erprobt.
Die Frage der regulatorischen Zulassung bleibt jedoch offen: In der Europäischen Union müssen KI-Systeme in der Medizin als Medizinprodukte der Klasse IIa oder höher zertifiziert werden – ein Prozess, der aufwendige klinische Studien und eine Konformitätsbewertung erfordert. Das Oxforder Tool hat diesen Prozess noch nicht abgeschlossen.
Relevanz für deutsche Unternehmen und das Gesundheitssystem
Für Unternehmen im deutschsprachigen Gesundheitssektor – darunter Klinikketten, Medizintechnikhersteller und Krankenversicherer – unterstreicht die Oxforder Entwicklung den wachsenden Druck, KI-gestützte Diagnostik in bestehende Versorgungsprozesse zu integrieren. Besonders zukunftsweisend ist das Prinzip der passiven Datennutzung: Anstatt neue diagnostische Infrastruktur aufzubauen, maximiert das System den Wert bereits erhobener Untersuchungsdaten – ein Modell, das sich konzeptionell auf zahlreiche weitere chronische Erkrankungen übertragen lässt.
Die entscheidende Hürde für den klinischen Einsatz in Deutschland bleibt die CE-Zertifizierung nach EU-MDR – ohne sie ist ein Einsatz im klinischen Alltag nicht möglich.
Quelle: The Guardian – Oxford scientists develop AI tool to spot heart failure
