Forscher des Mount Sinai Health Systems haben ein künstliches Intelligenz-Modell entwickelt, das individuelle Behandlungsempfehlungen für Patienten mit Vorhofflimmern (AF) abgibt – insbesondere, ob eine Antikoagulation mit Blutverdünnern notwendig ist, um Schlaganfälle zu verhindern. Bisher basiert die Entscheidung auf standardisierten Risikoscores wie CHA₂DS₂-VASc, die auf Populationsdaten basieren und individuelle Unterschiede oft übersehen. Das neue AI-Modell hingegen analysiert den gesamten elektronischen Gesundheitsbericht eines Patienten – inklusive 21 Millionen Arztbesuche, 82 Millionen Notizen und 1,2 Milliarden Datenpunkte –, um eine personalisierte Risikobewertung für Schlaganfall und schwere Blutungen zu erstellen. Es berechnet nicht nur die Wahrscheinlichkeiten, sondern leitet eine netto-benefiziente Empfehlung ab, die die individuelle Balance aus Nutzen und Risiko berücksichtigt. In der Studie empfahl das Modell bei bis zu der Hälfte der AF-Patienten, die derzeit routinemäßig mit Blutverdünner behandelt würden, auf eine Antikoagulation zu verzichten. Diese Neubewertung könnte weltweit erhebliche Auswirkungen haben, da AF – die häufigste Herzrhythmusstörung – weltweit etwa 59 Millionen Menschen betrifft. Während Blutverdünner zur Schlaganfallprävention wichtig sind, bergen sie das Risiko schwerer Blutungen. Das AI-Modell überwindet die Grenze herkömmlicher Risikoscores, indem es nicht nur durchschnittliche Risiken, sondern individuelle Wahrscheinlichkeiten berechnet. Es wurde an 1,8 Millionen Patienten trainiert und an 38.642 Patienten innerhalb des Mount Sinai Systems sowie an 12.817 Patienten aus öffentlichen Datensätzen von Stanford extern validiert. Die Empfehlungen korrelierten signifikant mit der Reduktion von Schlaganfällen und Blutungen. Die Forscher betonen, dass das Modell nicht nur initial Empfehlungen liefert, sondern dynamisch aktualisiert werden kann, sobald neue Daten vorliegen – etwa vor einem Arzttermin. Es liefert zudem klare, verständliche Risikoprofile, die Ärzte und Patienten bei der gemeinsamen Entscheidungsfindung unterstützen. „Dies ist ein Paradigmenwechsel in der klinischen Entscheidungsfindung“, sagt Hauptautor Joshua Lampert. Co-Autor Girish Nadkarni betont, dass das Modell die Grenzen „einer Größe passt alle“-Ansätze überwindet und echte präzisionsmedizinische Behandlungsstrategien ermöglicht. Co-Senior-Autor Vivek Reddy unterstreicht, dass der Schutz vor Schlaganfällen das zentrale Ziel bei der AF-Behandlung sei. Wenn zukünftige klinische Studien die Wirksamkeit bestätigen, könnte das Modell die Patientenversorgung revolutionieren. Die Technologie markiert einen Meilenstein in der Integration von KI in die klinische Praxis. Sie ermöglicht eine individuelle Risikobewertung, die über reine Statistiken hinausgeht und die Entscheidungsfindung durch klare, auf den einzelnen Patienten zugeschnittene Informationen erleichtert. Die Ergebnisse deuten auf eine neue Ära der personalisierten Kardiologie hin, in der KI nicht nur Daten analysiert, sondern aktiv zur Verbesserung der Patientensicherheit beiträgt.