Forscher des Fraunhofer IZM haben ein Sensorsystem entwickelt, das mit Hilfe von Künstlicher Intelligenz kardiologische Daten automatisiert auswertet – und damit einen Schritt in Richtung schnellerer, präziserer Herzdiagnostik macht.
Herzerkrankungen gehören weltweit zu den häufigsten Todesursachen. Bluthochdruck, Herzschwäche und Herzrhythmusstörungen sind gut erforscht – doch ihre rechtzeitige Diagnose scheitert im Alltag oft an langen Wartezeiten und knappen Ressourcen in der Praxis. Ein neues Sensorsystem des Fraunhofer-Instituts für Zuverlässigkeit und Mikrointegration IZM könnte das ändern: Durch die Kombination von medizinischer Sensorik und Künstlicher Intelligenz soll die kardiologische Diagnostik effizienter, genauer und zugänglicher werden.
Das Henne-Ei-Problem der KI-gestützten Kardiologie
Bislang standen Entwickler vor einem grundlegenden Problem: Ohne ein Gerät, das alle relevanten kardiologischen Parameter zuverlässig erfasst, lässt sich keine spezialisierte KI trainieren – und ohne eine solche KI ist kein vollständiges Diagnosesystem möglich. Das am Fraunhofer IZM entwickelte Sensorsystem löst genau dieses Dilemma.
Das System basiert auf wiederverwendbaren Pflastern mit integriertem Edge-PC. Die erfassten Messdaten werden in die Cloud übertragen und dort KI-gestützt ausgewertet. Aus den Sensormessungen lassen sich rund 240 kardiologisch relevante Parameter ableiten. Zusätzlich können Daten externer Geräte – etwa Ultraschallgeräte – in die Auswertung eingespeist werden.
Von der Rohdatenmessung zur Diagnose
Die Datenverarbeitung erfolgt in mehreren Schritten: Zunächst werden die Messergebnisse durch klassische Signalverarbeitungsverfahren bereinigt und validiert. Anschließend analysieren neuronale Netze die Morphologie der Datenkurven – etwa die Form der EKG-Linie – und erkennen Auffälligkeiten automatisiert. Studien haben gezeigt, dass spezialisierte KI-Systeme diese Auswertung präziser durchführen können als erfahrenes medizinisches Fachpersonal.
Ergänzt wird die Messdatenanalyse durch eine KI-gestützte Anamnese: Speziell auf kardiologische Leitlinien abgestimmte Large Language Models (LLMs) – darunter Googles MedGemini – führen detaillierte Patientenbefragungen durch, die täglich wiederholt werden können. Die Eingabe ist per Text und Sprache möglich. Ein übergeordneter KI-Agent gleicht die Ergebnisse mehrerer medizinischer LLMs ab und prüft sie auf Widersprüche. Die aufbereiteten Befunde werden anschließend sowohl für ärztliches Fachpersonal als auch für Patientinnen und Patienten in jeweils verständlicher Sprache ausgegeben.
Effizienzgewinn für die gesamte Versorgungskette
Das Potenzial des Systems reicht weit über die reine Diagnosebeschleunigung hinaus. Konkret könnten davon profitieren:
- Hausärztinnen und Hausärzte: frühzeitige Erkennung von Symptomen und Risiken, gezieltere Überweisungen
- Fachärztinnen und Fachärzte: Zugriff auf umfangreichere Datensätze, KI-Unterstützung bei Auswertung und Interpretation
- Patientinnen und Patienten: individuelle Medikamentendosierung angepasst an die Tagesform, kontinuierliche Langzeitbeobachtung
Perspektivisch ist der Einsatz ähnlicher Systeme auch über die Kardiologie hinaus denkbar – etwa in der Lungenmedizin.
Medizin der Zukunft – heute entwickelt
Das Fraunhofer IZM sieht in dieser Entwicklung einen konkreten Schritt in Richtung „Medizin der Zukunft“ – dem Motto des Wissenschaftsjahres 2026. Die Verbindung aus miniaturisierter Sensorik, Edge-Computing und medizinisch spezialisierter KI zeigt, wie digitale Technologien die klinische Praxis grundlegend verändern können.
Quelle: Fraunhofer-Institut für Zuverlässigkeit und Mikrointegration IZM
