KI-Modell analysiert EKGs für diverse medizinische Aufgaben

Forscher der Medizinischen Universität Innsbruck haben mit xECG ein leistungsstarkes KI-Foundation-Modell für die Auswertung von Elektrokardiogrammen vorgestellt. Unter der Leitung von Clemens Dlaska von der Universitätsklinik für Innere Medizin III entwickelten die Autoren Riccardo Lunelli, Angus Nicolson und Samuel Martin Pröll ein System, das über die traditionelle, auf Einzelprobleme beschränkte KI-Analyse hinausgeht. Durch die Kombination der xLSTM-Architektur des Linzer KI-Experten Sepp Hochreiter mit adaptierten Methoden aus dem Bereich Computer Vision ermöglicht das Modell ein umfassendes Verständnis zeitlicher Herzsignale. Das Modell wurde mit rund acht Millionen EKGs von etwa 1,7 Millionen Patienten trainiert und übertrifft aktuell verfügbare Ansätze in zahlreichen Bewertungsbereichen. Ein entscheidender Vorteil von xECG liegt in seiner Effizienz und Flexibilität. Im Gegensatz zu spezialisierten Modellen verarbeitet xECG ein breites Spektrum klinischer Fragestellungen, darunter Klassifizierung, Regressionsanalysen und Überlebenswahrscheinlichkeiten. Die lineare Skalierung des Rechenaufwands bezüglich der Signallänge erlaubt zudem die effiziente Analyse langer Aufzeichnungen, wie sie etwa zur Schlafapnoe-Diagnostik nötig sind. Die Ergebnisse der Studie sind im Fachjournal npj Digital Medicine veröffentlicht. Parallel zur Modellentwicklung hat das Innsbrucker Forscherteam mit BenchECG eine standardisierte Evaluierungsplattform etabliert. Diese definiert erstmals systematisch die Qualitätskriterien für EKG-Foundation-Modelle. Demnach müssen leistungsfähige Systeme konzeptionell diverse Aufgaben bewältigen, unterschiedlichste Datentypen von standardisierten 10-Sekunden-Aufzeichnungen bis hin zu Smartwatch-Daten verarbeiten und verlässlich bei heterogenen Patientengruppen funktionieren. Durch den systematischen Benchmark auf öffentlichen Datensätzen mit über 400.000 Patienten zeigte sich, dass bisherige Konkurrenzmodelle häufig nur Teilaspekte abdecken, während xECG eine konsistente Performance über verschiedene Aufgaben hinweg bietet. Die Initiative ist Teil eines umfassenderen Forschungsprogramms der Universitätsklinik Innsbruck, das Grundlagenentwicklung, klinische Anwendung und Validierung vereint. Erste klinische Integrationen des xECG-Modells befinden sich derzeit in der Vorbereitung. Das System hat das Potenzial, die kardiovaskuläre Prävention und Frühdiagnostik nachhaltig zu unterstützen, indem es digitale Patientendaten strukturiert auswertet und Ärzte bei der Entscheidungsfindung hinsichtlich Herzinfarkten, Arrhythmien und plötzlichem Herztod evidenzbasiert entlastet. Die Forschungsergebnisse schaffen damit nicht nur eine neue technische Grundlage für die kardiologische KI, sondern etablieren auch messtechnische Standards, an denen die gesamte wissenschaftliche Community künftig ihre Modelle ausrichten kann.