KI-EKG-Diagnostik auf dem Prüfstand: Neue Benchmarks und automatisierte Infarkt-Klassifikation

Das 12-Kanal-EKG ist seit Jahrzehnten das Basisinstrument der kardialen Akutdiagnostik – schnell verfügbar, günstig, aber in der Interpretation von der Erfahrung des Untersuchers abhängig. Zwei aktuelle Studien in npj Digital Medicine zeigen, wie weit KI-gestützte EKG-Auswertung inzwischen fortgeschritten ist und woran es bei der Bewertung solcher Systeme noch hakt.

Ein Modell, das Infarkt-Subtypen unterscheidet

Ein Forschungsteam um die Universität Basel hat ein Convolutional-Neural-Network trainiert, das aus digitalen 12-Kanal-EKGs verschiedene Subtypen des akuten Myokardinfarkts (AMI) erkennen soll. Die Datenbasis ist beachtlich: 173.396 EKGs hospitalisierter Patientinnen und Patienten für das Training, gefolgt von einer internen Validierung an 7.591 und einer externen Validierung an 4.370 Patienten mit Infarktverdacht – jeweils mit zentraler diagnostischer Adjudikation, also einer unabhängigen Expertenbeurteilung als Referenzstandard (Studie).

Die Ergebnisse variieren deutlich nach Infarkttyp:

• STEMI: Hier übertrifft das Modell die ärztliche Befundung signifikant (AUROC 0,96 vs. 0,89, p < 0,001). Für einen Infarkttyp, dessen EKG-Kriterien eigentlich gut definiert sind, ist das ein bemerkenswerter Befund – offenbar erkennt das Modell auch subtile oder atypische ST-Hebungsmuster zuverlässiger als der menschliche Blick.
• NSTEMI: Die Diskriminationsfähigkeit fällt deutlich ab (AUROC 0,81), mit einem klaren Unterschied zwischen Typ 1 (0,82) und Typ 2 (0,75). Das deckt sich mit der klinischen Erfahrung, dass Typ-2-Infarkte – bedingt durch ein Sauerstoff-Angebots-Bedarfs-Missverhältnis ohne primäre Plaqueruptur – heterogener und EKG-diagnostisch schwerer zu fassen sind.
• Occlusion-MI (OMI): Mit einer AUROC von 0,91 zeigt das Modell hier gute Leistung, allerdings wurden NSTEMI-OMI-Fälle häufig übersehen – klinisch relevant, da diese Patienten von einer sofortigen Reperfusion profitieren, im Standard-EKG aber oft nicht die klassischen STEMI-Kriterien erfüllen.

Auffällig ist zudem: Die Modellperformance war bei jüngeren Patienten ohne kardiale Vorerkrankung besser. Bei multimorbiden oder älteren Patienten mit vorbestehenden EKG-Veränderungen wird die Unterscheidung schwieriger – ein Muster, das sich mit vielen anderen KI-Diagnostikmodellen deckt und bei der klinischen Einordnung mitgedacht werden sollte.

Das Validierungsproblem: BenchECG und xECG

Die zweite Studie, ein Team der Medizinischen Universität Innsbruck, adressiert ein strukturelles Problem der Branche: Es fehlt bislang ein einheitlicher Maßstab, um EKG-KI-Modelle untereinander zu vergleichen. Viele Publikationen nutzen unterschiedliche Datensätze, enge Aufgabenstellungen und inkonsistente Metriken – ein Zustand, der belastbare Aussagen über die tatsächliche klinische Reife erschwert.

Mit BenchECG stellen die Autoren einen offenen, standardisierten Benchmark vor, der acht öffentlich verfügbare Datensätze mit 421.171 Patientinnen und Patienten und 1,67 Millionen Aufzeichnungen umfasst. Getestet werden zehn konzeptuell unterschiedliche Aufgaben – von Klassifikation über Detektion und Regression bis zu Überlebenszeitanalysen und Segmentierung, inklusive expliziter Out-of-Distribution-Tests, also der Prüfung, wie robust ein Modell auf für es untypischen Daten funktioniert.

Parallel präsentieren die Autoren mit xECG ein eigenes EKG-Foundation-Model, das eine xLSTM-Architektur (fünfmal schnelleres Training als Transformer-Baselines) mit selbstüberwachtem Lernen (SimDINOv2) kombiniert. Im Benchmark erreicht xECG mit einem Score von 0,838 die beste Gesamtleistung und den besten durchschnittlichen Rang unter den verglichenen Modellen (Studie).

Einordnung für die Praxis

Für Kardiologie und Notfallmedizin ergeben sich aus beiden Arbeiten zwei komplementäre Botschaften. Erstens: KI-EKG-Modelle können bei klar definierten Mustern wie STEMI bereits über der ärztlichen Referenzleistung liegen – bei diffuseren Bildern wie Typ-2-NSTEMI oder okklusiven Infarkten ohne klassische ST-Hebung bleibt der diagnostische Zugewinn begrenzt und potenziell risikobehaftet, wenn er unreflektiert in Entscheidungspfade integriert wird. Zweitens: Mit BenchECG entsteht erstmals eine Infrastruktur, mit der sich Herstellerangaben zu KI-EKG-Tools nicht mehr nur anhand einzelner Studien, sondern anhand eines reproduzierbaren, breiten Testrahmens einordnen lassen.

Für Ärztinnen und Ärzte sowie Praxis-Manager, die über den Einsatz KI-gestützter EKG-Software nachdenken, folgt daraus ein pragmatischer Ansatz: Fragen Sie Anbieter gezielt nach Validierungsdaten zu den für Sie relevanten Subgruppen – insbesondere zu NSTEMI und okklusiven Infarkten ohne ST-Hebung, da hier die größten Leistungsunterschiede bestehen. Prüfen Sie, ob externe Validierungsstudien mit unabhängiger Adjudikation vorliegen, und behandeln Sie KI-Befunde bei atypischen oder multimorbiden Patienten weiterhin als Unterstützung, nicht als Ersatz der klinischen Beurteilung. Ein etablierter Benchmark wie BenchECG könnte künftig helfen, solche Anbieterangaben schneller einzuordnen – bis dahin bleibt die kritische Prüfung der zugrunde liegenden Studienpopulation der sicherste Weg.