Ein neuartiges KI-Modell namens DiaCardia kann prädiabetische Zustände präzise anhand von Elektrokardiogramm (ECG)-Daten erkennen, ohne dass Bluttests erforderlich sind. Entwickelt von einem Forschungsteam der Institute of Science Tokyo unter Leitung von Junior-Associate-Professor Chikara Komiya, Doktorandin Ryo Kaneda und Professor Tetsuya Yamada, ermöglicht das Modell erstmals eine zuverlässige, interpretierbare und generalisierbare Erkennung von Prädiabetes – sowohl mit 12-Leitungs- als auch mit Einzelleitungs-ECG-Daten. Die Studie wurde in der Fachzeitschrift Cardiovascular Diabetology veröffentlicht und stellt einen bedeutenden Fortschritt in der Früherkennung von Diabetes Typ 2 dar. Prädiabetes ist eine asymptomatische Phase, in der der Blutzuckerspiegel erhöht, aber noch nicht diabetisch ist. Sie bietet eine entscheidende Chance für präventive Maßnahmen wie Ernährungsumstellung oder Bewegung, um die Entwicklung von Diabetes Typ 2 zu verhindern. Bisherige Screening-Methoden hängen jedoch stark von invasiven Bluttests ab, die kostspielig sind, nicht allgemein zugänglich und oft von Patienten vermieden werden. Da Prädiabetes mit einem erhöhten Risiko für Herz-Kreislauf-Erkrankungen assoziiert ist, erscheint ECG als potenzieller Biomarker. Die Forscher nutzten 16.766 Gesundheitsdatensätze aus einer Klinik in Tokio, die neben ECG-Daten auch Fasting-Plasma-Glukose (FPG), HbA1c und andere Parameter enthielten. Prädiabetes wurde anhand von drei Kriterien definiert: FPG ≥110 mg/dL, HbA1c ≥6,0 % oder Diabetesbehandlung. Das KI-Modell basiert auf dem LightGBM-Algorithmus und analysiert 269 ECG-Wellenformmerkmale. In internen Tests erreichte es eine AUROC von 0,851 – ein hohes Maß an Genauigkeit. Auch in externen Datensätzen ohne Neutrainings zeigte das Modell robuste Ergebnisse. SHAP-Analysen identifizierten erhöhte R-Welle-Amplituden in bestimmten Leitungen und verminderte Herzfrequenzvariabilität als zentrale Vorhersagemerkmale, was physiologisch plausibel ist: Letztere korreliert mit autonomen Neuropathien, ersteres mit erhöhter linksherzlicher Masse durch Insulinresistenz. Selbst bei Verwendung von nur einer Leitung (Lead I) mit 28 Merkmalen erreichte das Modell eine nahezu vergleichbare Leistung wie mit 12-Leitungs-ECG – ein entscheidender Schritt für die Integration in tragbare Geräte wie Smartwatches. Dadurch könnte künftig eine kontinuierliche, nicht-invasive und kostengünstige Früherkennung von Prädiabetes zu Hause möglich werden. Industrieexperten sehen in DiaCardia eine transformative Entwicklung für die Prävention von Diabetes. Die Fähigkeit, prädiabetische Zustände ohne Blutabnahme zu erkennen, könnte die Teilnahme an Screening-Programmen erheblich steigern. Unternehmen wie Apple, Fitbit und Garmin könnten das Modell in ihre Wearables integrieren, um Nutzer frühzeitig vor Diabetes zu warnen. Die Technologie könnte insbesondere in ländlichen oder unterversorgten Regionen entscheidend sein. Zudem könnte sie die Belastung des Gesundheitssystems reduzieren, indem präventive Maßnahmen frühzeitig ausgelöst werden. Allerdings bleiben Herausforderungen wie klinische Validierung in größeren Populationen, Datenschutz bei sensiblen Gesundheitsdaten und die Integration in bestehende medizinische Abläufe. Dennoch markiert DiaCardia einen Meilenstein in der KI-gestützten Gesundheitsüberwachung.