Etwa 10 Prozent der Menschen mit Bluthochdruck zeigen im Arztzimmer normale Blutdruckwerte, während sie zu Hause oder in anderen Alltagssituationen tatsächlich erhöhten Druck aufweisen – ein Phänomen, das als maskierter Bluthochdruck (masked hypertension) bekannt ist. Dieses schwer erkennbare Syndrom erhöht das Risiko für Herzinfarkt, Schlaganfall und Nierenversagen, bleibt aber oft unentdeckt, weil die klassische Messung im Arztpraxisumfeld trügerisch ist. Forscher der Universität Arkansas haben nun ein künstliches Intelligenz-System entwickelt, das diese Diagnoseherausforderung adressiert. Unter Leitung von William J. Richardson, Associate Professor für Chemische Ingenieurwissenschaften, nutzten die Wissenschaftler maschinelles Lernen, um Muster in großflächigen Blutdruckdaten zu erkennen, die mit herkömmlichen Methoden nicht sichtbar sind. Das AI-Modell analysiert kontinuierliche Blutdruckmessungen über mehrere Tage, einschließlich der Werte zu Hause, bei der Arbeit oder während körperlicher Aktivität, und identifiziert signifikante Abweichungen, die auf maskierten Bluthochdruck hindeuten. Im Vergleich zu herkömmlichen Screening-Methoden erzielte das System eine deutlich höhere Trefferquote, insbesondere bei Patienten mit normalen Arztwerten, aber erhöhten Werten im Alltag. Die Technologie könnte künftig in tragbaren Geräten oder mobilen Apps integriert werden, um eine frühzeitige und präzise Diagnose zu ermöglichen. Durch die frühzeitige Erkennung könnte die Behandlung von Bluthochdruck massiv verbessert werden – ein entscheidender Schritt, da Hypertonie jährlich weltweit rund zehn Millionen Todesfälle verursacht. Die Forscher sehen in ihrer Entwicklung einen Meilenstein für personalisierte Prävention und die Verbesserung der kardiovaskulären Gesundheitsversorgung. Industrieexperten begrüßen die Innovation als wichtigen Fortschritt in der digitalen Gesundheitsforschung. „Dieses AI-Tool zeigt, wie Technologie dazu beitragen kann, subtile, aber lebensbedrohliche Krankheitszustände zu identifizieren, die durch traditionelle Methoden übersehen werden“, sagt Dr. Lena Müller, Kardiologin und Experte für digitale Medizin an der Charité Berlin. „Die Integration von kontinuierlichen Daten mit künstlicher Intelligenz könnte die Diagnostik revolutionieren.“ Die Universität Arkansas hat bereits Patente für das Verfahren angemeldet und kooperiert mit medizinischen Geräteherstellern, um die Technologie in klinische Praxis zu bringen. Das Projekt ist Teil eines größeren Trends, bei dem künstliche Intelligenz in der Prävention und Früherkennung chronischer Erkrankungen eine zentrale Rolle spielt. Die Entwicklung unterstreicht auch die wachsende Bedeutung interdisziplinärer Forschung – hier zwischen Chemieingenieurwesen, Datenwissenschaft und klinischer Medizin – für innovative Lösungen in der Gesundheitsversorgung.