KI-Diagnostik bei Herzinsuffizienz: Acht Studien erreichen 84 Prozent Sensitivität
Veröffentlicht am: 30.10.2026 um 06:09 Uhr | Redaktion boerse-global.de
Eine Forschergruppe untersuchte Machine-Learning-Modelle zur Vorhersage des HFimpEF-Phänotyps bei ischämischer Kardiomyopathie aus EKG-Bildern und klinischen Baseline-Merkmalen, wie aus einem Bericht von Dove Medical Press vom 30. Oktober 2026 hervorgeht.
Die Untersuchung stützte sich auf zwei Zentren und schloss Patienten mit einer linksventrikulären Ejektionsfraktion von 40 Prozent oder weniger zu Studienbeginn ein, die zwischen März 2018 und Februar 2025 hospitalisiert worden waren.
Die Entwicklungskohorte umfasste 415 Patienten, darunter 194 mit HFimpEF und 221 mit persistierender HFrEF. Eine externe Validierungskohorte setzte sich aus 100 Patienten zusammen, von denen 55 eine HFimpEF und 45 eine persistierende HFrEF aufwiesen.
Modellleistung und Herausforderungen bei der externen Validierung
In der internen Evaluation erzielte ein kombiniertes Random-Forest-Modell der Forschergruppe eine AUC von 0,825, eine Genauigkeit von 0,747, eine Präzision von 0,753, eine Spezifität von 0,791 sowie einen F1-Wert von 0,721. Bei der externen Validierung fiel die Trennschärfe jedoch ab: Das Random-Forest-Modell erreichte eine AUC von 0,624 (95-Prozent-Konfidenzintervall 0,513–0,734), die logistische Regression 0,607 (0,496–0,718), SVC-RBF 0,653 (0,545–0,761) und k-NN 0,565 (0,454–0,676).
Eine explorative LASSO-Analyse identifizierte die Einnahme von ?-Blockern als ranghöchste Variable. Kombinierte Modelle erwiesen sich extern nicht durchgängig als überlegen, weshalb eine klinische Anwendung erst nach weiterer Validierung angeraten wird.
Die Notwendigkeit breiter Überprüfungen verdeutlicht auch eine Meta-Analyse einer Forschergruppe in Cardiology in Review, über die das Portal nih.gov am 29. Oktober 2026 berichtete.
Bei der Auswertung von acht Studien mit 2770 Teilnehmern – darunter 1317 beziehungsweise 47,5 Prozent mit der Zielerkrankung – ergab sich eine gepoolte Sensitivität von 84,0 Prozent (95-Prozent-KI 73,0–91,0 Prozent), eine Spezifität von 83,0 Prozent (73,0–89,0 Prozent) und eine Summary-ROC-AUC von 0,875 (0,791–0,930).
Wer sich mit Herzgesundheit und diagnostischen Werten befasst, sollte auch die Bedeutung seiner restlichen Laborergebnisse genau kennen. Dieser kostenlose 25-seitige Report hilft dabei, Blutwerte wie Cholesterin und Vitalstoffe richtig zu deuten und mögliche Fehlinterpretationen zu vermeiden. Kostenlosen Laborwerte-Selbstcheck jetzt anfordern
Bei einer diagnostischen Odds Ratio von 24,73 (18,46–33,12), einer positiven Likelihood Ratio von 4,84 und einer negativen von 0,20 lag eine hohe Heterogenität vor. Die Performanz variierte signifikant nach dem Referenzstandard, nicht jedoch nach der KI-Architektur.
Differenzierte Bildgebung und klinische Risikomodelle
Über pathophysiologische Mechanismen bei Herzinsuffizienz mit erhaltener Ejektionsfraktion (HFpEF) berichtet das DZHK im Rahmen der DECIPHER-HFpEF-Studie laut journalmed.de vom 29. Oktober 2026. An sieben deutschen Zentren wurden kardiale MRT-Untersuchungen mittels T1- und T2-Mapping mit invasiven Druck-Volumen-Messungen kombiniert.
Bei 52 Patienten mit invasiv bestätigter HFpEF fielen die Werte deutlich höher aus als bei 32 Kontrollpersonen und 18 gesunden Freiwilligen. T1 korrelierte vor allem mit passiver Steifigkeit, T2 mit beeinträchtigter aktiver Entspannung.
Bei 18 symptomatischen Patienten mit normalem Ruhe-Füllungsdruck stieg dieser bei 12 unter einem Handgrifftest auf mindestens 16 mmHg an, was mit höheren Ruhe-T1- und T2-Werten einherging.
Da klinische Parameter oft komplex sind, bietet dieser Gratis-Ratgeber eine praxisnahe Orientierungshilfe für die wichtigsten Vitalstoff-Werte. Erfahren Sie in diesem PDF-Report von Experten, wie Sie Ihre Laborwerte selbst verstehen und gezielt zur Gesundheitsvorsorge nutzen können. Gratis-PDF: Laborwerte richtig verstehen
Parallel dazu entwickelte eine Forschergruppe Modelle für venöse Thromboembolien bei kritisch kranken Herzinsuffizienzpatienten, wie Scientific Reports am 29. Oktober 2026 berichtete. Anhand von 8.825 Patienten aus MIMIC-IV und einer externen Validierung mit 5.425 Datensätzen aus eICU erzielte ein XGBoost-Modell mit 15 Prädiktoren eine ROC-AUC von 0,764 intern sowie 0,731 extern.
Ansätze in der Primärversorgung und Simulationen
In der ambulanten Versorgung prüft das EU-Projekt Faithful unter Leitung von Idoven in Kooperation mit dem Karolinska Institutet die KI-gestützte EKG-Interpretation. Laut einem Bericht vom 29. Oktober 2026 liefert die Willem-Plattform in der Decision-Studie Risikobewertungen für Patienten ab 65 Jahren, während die Überweisungsentscheidung beim Hausarzt verbleibt. Der schwedische Studienteil umfasst 1.417 Teilnehmer.
An der University of Idaho entwickeln Forscher um Esteban Hernandez-Vargas zudem ein digitales Herzmodell auf dem Lemhi-Supercomputer, finanziert vom US-Verteidigungsministerium. Laut einem Bericht vom 29. Oktober 2026 erfordert die Abbildung von rund drei Milliarden Herzzellen die Simulation von etwa einer Billion Differentialgleichungen, um Mechanismen nach traumatischem hämorrhagischem Schock aufzudecken.
Ergänzend zeigte eine Forschergruppe in der Fachzeitschrift Circulation: Heart Failure laut einem Bericht vom 28. Oktober 2026 anhand der REHAB-HF-Studie (NCT02196038), dass Patienten mit höheren Ausgangswerten von kardialem Troponin oder einem CRP-Wert von mindestens 9,9 mg/L funktionell überdurchschnittlich von strukturierter Rehabilitation nach einer akuten Dekompensation profitierten.
