Die ML-gestützte EKG-Analyse gilt als einer der vielversprechendsten Ansätze zur Früherkennung kardialer Erkrankungen wie der hypertrophen Kardiomyopathie oder der Amyloidose. Doch wie weit trägt das Versprechen – und wo beginnt die klinische Grauzone? Im Interview bezieht Prof. Spethmann klare Position.
Das Problem liegt selten im Vollbild. Wer bereits das klassische EKG-Muster zeigt, ist diagnostisch oft kein Problem. Die eigentliche Herausforderung sind Patienten in frühen Krankheitsphasen – ohne eindeutigen Befund, ohne Zentrumsnähe. Genau hier sieht Prof. Spethmann den größten klinischen Mehrwert der KI: Sie macht die diagnostische Expertise eines Spezialzentrums auch dort verfügbar, wo sie strukturell fehlt. Das EKG als ubiquitär verfügbares und kostengünstiges Instrument wird so zum Hebel für eine breitere Versorgungsqualität.
Den größten Nutzen haben Patienten, die früh zum Arzt gehen und bislang keine Spezialistenversorgung erhalten. Doch Prof. Spethmann mahnt zur Vorsicht: Die Qualität jedes KI-Tools ist untrennbar mit der Qualität seiner Trainingsdaten verknüpft. Ein konkretes Beispiel aus der Praxis – die Amyloidose: Aktuell werden deutlich mehr Männer diagnostiziert als Frauen. Sind Frauen in den Trainingsdaten unterrepräsentiert, verstärkt die KI diese strukturelle Lücke, anstatt sie zu schließen. Eine Blackbox ist das nicht – aber ein blinder Fleck, den Anwender kennen müssen.
Prof. Spethmann ist unmissverständlich: KI ersetzt kein ärztliches Urteil, sie erweitert es. Wer KI-Tools sinnvoll einsetzen will, muss verstehen, für welche Patientenpopulation sie trainiert wurden – ähnlich wie bei der kritischen Bewertung klinischer Studien. Das verlangt von Kardiologen zunehmend auch technische und informatische Grundkompetenz. Die Verantwortung dafür wächst.