Ärzt:innen beim EKG-Auswerten unterlegen

Selbst für erfahrene Kardiologen wird ein okklusiver Myokardinfarkt (OMI) oftmals zur Herausforderung. Denn 24 % bis 35 % der Patienten mit totalem Koronarverschluss weisen keine ST-Strecken-Hebung auf und andere EKG-Signaturen des OMI sind schwer zu erkennen. Auch eine biomarkergestützte Diagnostik ist in diesen Fällen suboptimal, da sie nicht nur die Behandlung verzögert, sondern erst dann aussagekräftige Werte liefert, wenn bereits große Teile des Myokards zerstört sind, schreiben Prof. Dr. Salah Al-Zaiti von der Universität Pittsburgh und Kollegen.

Algorithmus wurde an 7.313 Patienten geprüft

Aus diesen Gründen haben die Wissenschaftler ein maschinelles Lernmodell für die EKG-Diagnose von okklusiven Myokardinfarkten entwickelt. Im Rahmen einer ersten prospektiven Kohortenstudie griffen sie auf die Daten von 4.026 Patienten mit akuter Angina pectoris zurück, die in verschiedenen US-amerikanischen Kliniken behandelt worden waren. Für die externe Validierung tes­teten sie das Modell darüber hinaus an 3.287 weiteren Patienten.

Die künstliche Intelligenz übertraf die Einschätzung von praktizierenden Ärzten sowie andere gängige EKG-Interpretationssysteme hinsichtlich Präzision und Sensitivität. In Kombination mit der klinischen Beurteilung durch geschultes Fachpersonal klassifizierte der Algorithmus bei einem von drei Patienten mit Angina pectoris korrekterweise einen okklusiven Myokard­infarkt.

Quelle: Al-Zaiti SS et al. Nat Med 2023; 29: 1804-1813; DOI: 10.1038/s41591-023-02396-3