{"id":219742,"date":"2026-02-25T15:39:10","date_gmt":"2026-02-25T14:39:10","guid":{"rendered":"https:\/\/liora.io\/de\/neues-kardiales-ki-modell-uebertrifft-leistungserwartungen"},"modified":"2026-02-25T15:39:10","modified_gmt":"2026-02-25T14:39:10","slug":"neues-kardiales-ki-modell-uebertrifft-leistungserwartungen","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/neues-kardiales-ki-modell-uebertrifft-leistungserwartungen","title":{"rendered":"Neues kardiales KI-Modell \u00fcbertrifft Leistungserwartungen"},"content":{"rendered":"

Forscher haben das Cardiac Sensing Foundation Model (CSFM) vorgestellt, ein KI-System, das auf Daten von 1,7 Millionen Personen trainiert wurde und traditionelle Methoden bei der Diagnose von Herzerkrankungen sowie der Prognose von Krankheitsverl\u00e4ufen \u00fcbertrifft. Das bahnbrechende Modell, das heute in Nature Machine Intelligence beschrieben wurde, erreichte eine Genauigkeit von bis zu 96,7 % bei Vorhersagen in der Intensivmedizin und funktioniert nahtlos sowohl mit Krankenhaus-EKGs als auch mit Wearables, was einen bedeutenden Fortschritt in der KI-gest\u00fctzten kardiologischen Versorgung darstellt.<\/strong><\/p>\n

Das neue System zeigte eine herausragende Leistung in Intensivpflegebereichen und erreichte eine Genauigkeitsrate von 96,7 % bei der Identifizierung von Fehlalarmen, verglichen mit nur 93,1 % bei herk\u00f6mmlichen Methoden, so die in Nature Machine Intelligence ver\u00f6ffentlichte Studie. Bei der Vorhersage der Ein-Jahres-Sterblichkeit anhand brasilianischer Patientendaten erzielte das Modell eine Genauigkeit von 84,4 %, womit es herk\u00f6mmliche Ans\u00e4tze, die bei 81,6 % lagen, deutlich \u00fcbertraf.<\/p>\n

Jenseits der Anwendungen in der Intensivmedizin zeigte CSFM robuste diagnostische F\u00e4higkeiten bei diversen kardiovaskul\u00e4ren Erkrankungen. Das System erreichte einen Macro-F1-Score von 0,677 f\u00fcr die Multi-Label-Krankheitsklassifikation auf Basis von Wearable-EKG-Daten und \u00fcbertraf damit signifikant den Score von 0,634 der besten bestehenden Modelle.<\/p>\n

Eine der bemerkenswertesten Eigenschaften des Modells ist seine Anpassungsf\u00e4higkeit an unterschiedliche medizinische Ger\u00e4te und Einsatzszenarien. Das KI-System zeigte eine konstant starke Leistung, unabh\u00e4ngig davon, ob es Daten von klinischen 12-Kanal-EKGs oder einfachen Einkanal-Wearables analysierte. Bei der Anpassung von klinischen EKG-Systemen auf handels\u00fcbliche Wearables ben\u00f6tigte CSFM nur 10 % der \u00fcblichen Trainingsdaten, um die Leistung konventioneller Modelle zu erreichen, die auf vollst\u00e4ndigen Datens\u00e4tzen trainiert wurden.<\/p>\n

Technologie\u00fcbergreifende Vielseitigkeit<\/h3>\n

Das Forschungsteam unter der Leitung von Gu et al. verglich CSFM mit mehreren Deep-Learning-Architekturen, darunter ResNet1d<\/strong> und Inception1D<\/strong>, wobei das neue Modell durchweg \u00fcberlegene Leistungen zeigte. Das System arbeitet nahtlos sowohl mit EKG-Signalen als auch mit Photoplethysmographie (PPG)-Daten von Smartwatches, was es f\u00fcr verschiedene Szenarien im Gesundheitswesen \u00e4u\u00dferst vielseitig macht.<\/p>\n

CSFM bewies zudem hervorragende F\u00e4higkeiten, Patientenmerkmale allein aus Herzsignalen abzuleiten. Das Modell wies geringere Fehlerraten bei der Vorhersage von Alter und BMI auf und erreichte eine h\u00f6here Genauigkeit bei der Geschlechtsbestimmung im Vergleich zu Modellen, die von Grund auf mit dem VitalDB dataset<\/strong> trainiert wurden.<\/p>\n

Das System zeigte sogar die F\u00e4higkeit, klinische Fragen zu EKG-Aufzeichnungen zu beantworten, und \u00fcbertraf Baseline-Fusion-Transformer-Modelle im EKG-QA-Benchmark. Diese F\u00e4higkeit k\u00f6nnte medizinischem Personal dabei helfen, komplexe kardiologische Daten schnell zu interpretieren.<\/p>\n

Trotz der beeindruckenden Validierungsergebnisse weisen die Forscher darauf hin, dass noch keine direkten Vergleiche zwischen CSFM und menschlichen \u00c4rzten durchgef\u00fchrt wurden. Derartige Untersuchungen sowie prospektive klinische Studien sind wesentliche n\u00e4chste Schritte, bevor die Technologie in realen medizinischen Einrichtungen eingesetzt werden kann.<\/p>\n

\n

\n Sources
\n <\/h3>\n
    \n
  • Nature Machine Intelligence<\/li>\n<\/ul>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

    Forscher haben das Cardiac Sensing Foundation Model (CSFM) vorgestellt, ein KI-System, das auf Daten von 1,7 Millionen Personen trainiert wurde und traditionelle Methoden bei der Diagnose von Herzerkrankungen sowie der Prognose von Krankheitsverl\u00e4ufen \u00fcbertrifft. Das bahnbrechende Modell, das heute in Nature Machine Intelligence beschrieben wurde, erreichte eine Genauigkeit von bis zu 96,7 % bei Vorhersagen in der Intensivmedizin und funktioniert nahtlos sowohl mit Krankenhaus-EKGs als auch mit Wearables, was einen bedeutenden Fortschritt in der KI-gest\u00fctzten kardiologischen Versorgung darstellt.<\/p>\n","protected":false},"author":87,"featured_media":219740,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472,2475],"class_list":["post-219742","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki","category-nachrichten"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/219742","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/87"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=219742"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/219742\/revisions"}],"predecessor-version":[{"id":219746,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/219742\/revisions\/219746"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/219740"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=219742"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=219742"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}