von
In Europa leiden über 15 Millionen Menschen an Herzinsuffizienz - auch Herzschwäche genannt. Symptome treten oft im fortgeschrittenen Verlauf auf. So wird die Erkrankung meist spät entdeckt, was die Behandlung erschwert. Bluttests zur Vorsorge sind teuer und werden nur sporadisch durchgeführt, was die Diagnose verzögert, dies führt zu hohen Hospitalisierungsraten und Belastungen für das Gesundheitssystem. Eine frühere Diagnose mithilfe von künstlicher Intelligenz könnte laut dem Grazer Start-up arterioscope medizinischen Fortschritt bringen.
Das Spin-off der TU Graz arbeitet an Lösungen zur frühzeitigen Vorhersage von klinischen Risiken. Es entwickelt KI-Modelle, die Biosignale in klinisch aussagekräftige Biomarker übersetzen und so die traditionelle Blutabnahme oder andere Diagnosemethoden ersetzen. "Wir haben eine medizinisch validierte, KI-basierte Software für die Diagnose von kardiovaskulären Biomarkern entwickelt, die in direktem Zusammenhang mit Erkrankungen wie zum Beispiel Herzinsuffizienz, Herzinfarkt, Atherosklerose, Aneurysmen, Herzklappenfehler und so weiter stehen", schilderte CEO Hermann Moser. Seit geraumer Zeit fokussiert man auf Herzschwäche.
"Mithilfe eines eigenen Machine Learning- und Deep Learning-Modells können wir aus den gewonnenen Informationen erstmals Rückschlüsse auf mögliche Herzkrankheiten ziehen - und das in Echtzeit", erklärte Moser. Die Entwicklung basiert auf seit rund zehn Jahren anhaltender Forschung an der TU Graz. Der Grazer Physiker und Experte für maschinelles Lernen im Bereich der biomedizinischen Technik, Sascha Ranftl und Vahid Badeli vom Institut für Grundlagen und Theorie der Elektrotechnik sind die wissenschaftlichen Masterminds hinter der neuen Methode.
Um die gewünschten Informationen zu erhalten, verwenden die Forschenden Biosignale von klinischen Elektrokardiogrammen (EKG), denn Herzerkrankungen verändern die beim EKG angelegten elektrischen Felder. Mithilfe von KI, eines speziellen Machine Learning und Deep-Learning Modells lassen sich Rückschlüsse aus den Daten ziehen, die erfahrene Mediziner mit freiem Auge nicht erkennen könnten. Die Forscher aus Graz arbeiten auch daran aus der sogenannten Photoplethysmographie (PPG) - eine Methode, die mit Infrarotlicht arterielle und venöse Blutvolumenänderungen in der Hautoberfläche bestimmt - weiteres Datenmaterial zu erhalten, das künftig zielgerichtet in Richtung Herzschwäche ausgewertet werden kann. Mit ihm könnte man die Technologie von klassischen medizinischen EKG-Geräten auf Pulskurven aus Wearables übertragen.
Um statistisch signifikante Ergebnisse zu erhalten, musste die KI-Software mit einer enormen Zahl öffentlicher, klinischer Datensätze trainiert werden. Darunter befindet sich auch der zentrale Blutmarker für Herzschwäche, NT-proBNP. Das ist ein Hormon, das vom Herzen ausgeschüttet wird, wenn es unter Stress steht.
Dem Grazer Team schwebt ein "telemedizinisches Vorscreening" mit KI-basierter Analyse vor. So könnten künftig jene Patienten identifiziert werden, die tatsächlich von einer kardiologischen Abklärung profitieren könnten. "Die Technologie versteht sich dabei sozusagen als eine Art Gatekeeper, um Patientenströme effizienter zu lenken", wie Martin Manninger-Wünscher darlegte. Er ist Kardiologe an der Med Uni Graz und Chief Medical Officer des Start-up. Ein Forschungsprojekt mit der Med Uni sei im Laufen. Die Software befindet sich derzeit im Zertifizierungsprozess nach der EU-Medizinprodukteverordnung.
++ THEMENBILD ++ Illustration zum Thema "Arzt / Ärzte / Krankheit / Gesundheit / Medizin / Untersuchung / Überweisung / Diagnose / Behandlung / Patienten / ÖGK" - Im Bild: Eine Person mit EKG-Elektroden, beim Elektrokardiogramm, aufgenommen am Mittwoch, 21. Mai 2025. (Gestellte Szene).
