Evaluating the Incremental Value of AI-Derived ECG Features Beyond Automated ECG Reports and Clinical Data for 30-Day Mortality: A MIMIC-IV Cohort Study

Jedes Jahr laufen Millionen von Menschen in Krankenhäuser und lassen ihr Herz mit einem einfachen, schmerzfreien Test, einem Elektrokardiogramm oder EKG, untersuchen. Diese Maschine zeichnet die elektrische Aktivität des Herzens als eine zackige Linie auf einem Bildschirm auf und hält damit eine Momentaufnahme davon fest, wie das Herz in genau diesem Augenblick schlägt. Seit Jahrzehnten verlassen sich Ärzte auf diese Linien, um Probleme zu entdecken, indem sie nach spezifischen Formen suchen, die auf einen Herzinfarkt oder andere ernste Zustände hindeuten. Heute können Computer diese Linien automatisch auswerten, die Höhe und Breite der Wellen messen und einen kurzen Bericht schreiben, der zusammenfasst, was das System sieht. Doch da künstliche Intelligenz immer leistungsfähiger geworden ist, haben Forscher begonnen, eine schwierige Frage zu stellen: Sehen diese neuen, komplexen Computermodelle etwas, das die Standardberichte und die eigenen Notizen der Ärzte übersehen? Konkret gefragt: Kann ein Deep-Learning-System, das darauf trainiert wurde, subtile Muster in den rohen elektrischen Wellen zu erkennen, besser vorhersagen, wer innerhalb eines Monats sterben könnte, als die Werkzeuge, die wir jeden Tag bereits verwenden?

Ein Forschungsteam machte sich daran, dies zu beantworten, indem es eine riesige Sammlung medizinischer Unterlagen aus einem Krankenhaus in Boston untersuchte. Sie konzentrierten sich auf über 25.000 Erwachsene, die während ihres Krankenhausaufenthalts ein EKG erhalten hatten. Für jede Person sammelten die Forscher drei verschiedene Arten von Informationen, um zu sehen, welche davon der beste Prädiktor dafür war, ob der Patient innerhalb von dreißig Tagen versterben würde. Die erste Art waren die Rohdaten selbst, die in ein hochentwickeltes Modell der künstlichen Intelligenz eingespeist wurden, das auf Millionen von Herzschlägen trainiert worden war, um die Form der Wellen zu verstehen. Die zweite Art war ein Satz von fünfzehn spezifischen Messwerten, die ein Forscher von denselben Wellen aus manuell berechnen konnte, wie etwa die Dauer bestimmter Erhebungen und Senkungen in der Linie. Die dritte Art war der tatsächliche automatisierte Bericht, den ein Krankenhauscomputer für einen Arzt generieren würde, zusammen mit grundlegenden Details über den Patienten wie Alter, Geschlecht und jeglicher bekannter medizinischer Vorgeschichte vor der Ankunft im Krankenhaus.

Die Forscher verglichen, wie gut diese verschiedenen Ansätze die Patienten nach ihrem Risiko einstuften. Sie fanden heraus, dass das Modell der künstlichen Intelligenz tatsächlich besser darin war, Gefahren aufzuspüren, als die einfachen, manuell berechneten Messwerte. Wenn sie nur die Herzwellen betrachteten, identifizierte das KI-Modell die Patienten, die sterben würden, etwa 7,5 Prozent häufiger korrekt als die einfachen Messwerte. Dieser Unterschied blieb bestehen, selbst wenn sie das Alter, das Geschlecht und die medizinische Vorgeschichte der Patienten hinzufügten, obwohl der Vorteil leicht schrumpfte. In diesem spezifischen Vergleich sah die KI eindeutig etwas, was die einfachen Messwerte nicht sahen.

Die Geschichte änderte sich jedoch, als die Forscher die KI mit dem vollständigen, automatisierten Krankenhausbericht verglichen. Dies ist der Bericht, den ein Arzt tatsächlich auf seinem Computerbildschirm sieht; er enthält die grundlegenden Messwerte sowie eine lange Liste von diagnostischen Aussagen und Zusammenfassungen, die von der eigenen Software des Krankenhauses generiert wurden. Als die Forscher die fortschrittliche KI gegen diesen reichhaltigeren, vollständigeren Bericht antreten ließen, verschwand der Vorteil fast vollständig. Das KI-Modell war gegenüber dem Standard-Automatisierungsbericht nicht signifikant besser, und in einigen Tests war der Unterschied so gering, dass er auch auf Zufall zurückzuführen gewesen sein könnte. Dies deutet darauf hin, dass der Standard-Krankenhausbericht bereits den Großteil der nützlichen Informationen erfasst, die in den Herzwellen verborgen liegen, sodass der neuen KI kaum noch etwas hinzugefügt werden kann.

Die vielleicht überraschendste Entdeckung betraf die Frage, wer zur Überprüfung markiert wird. In einem echten Krankenhaus können Ärzte nicht jedes einzelne Patientenblatt prüfen; sie müssen entscheiden, welche sie genauer untersuchen. Die Forscher simulierten ein Szenario, in dem sie nur die obersten 5 Prozent der als am höchsten gefährdet eingestuften Patienten überprüfen könnten. Sie fanden heraus, dass das KI-Modell und der Standardbericht fast die gleiche Anzahl an Patienten identifizierten, die sterben würden, aber sie wählten völlig unterschiedliche Personen aus. Die KI markierte 136 Patienten, die der Standardbericht übersehen hatte, aber sie übersah auch 95 Patienten, die der Standardbericht erfasst hatte. Das bedeutet, dass selbst wenn zwei Werkzeuge im Durchschnitt gleichermaßen gut darin sind, den Tod vorherzusagen, sie möglicherweise zu unterschiedlichen Gruppen von Menschen führen, die die Ärzte untersuchen sollen. Ein Werkzeug könnte ein Leben retten, indem es einen Patienten erfasst, den das andere übersehen hat, während das andere wiederum einen Patienten übersehen könnte, den das erste erfasst hat.

Die Studie untersuchte auch, wie viel dieses Erfolgs darauf zurückzuführen war, dass die KI zuvor mit einer riesigen Menge an Herzdaten trainiert worden war. Sie testeten, ob ein brandneues, unvorbereitetes Computernetzwerk ebenso gut abschneiden könnte, wenn es die gleiche Zeit erhalten hätte, um aus den spezifischen Patienten dieser Studie zu lernen. Sie fanden heraus, dass bei einer großen Menge an verfügbaren Daten zum Lernen die vorab trainierte KI und das neue, unvorbereitete Netzwerk fast identisch performten. Der Vorteil, zuvor mit Millionen von Herzschlägen trainiert worden zu sein, wurde erst deutlich, wenn die Forscher versuchten, aus sehr kleinen Datenmengen zu lernen. Dies impliziert, dass die Leistungsfähigkeit dieser fortschrittlichen Modelle stark davon abhängt, wie viel Daten zur Verfügung stehen, um sie zu lehren, und weniger von der Komplexität des Modells selbst.

Schließlich testeten die Forscher, ob diese Ergebnisse in einem völlig anderen Umfeld Bestand hatten. Sie nahmen die an den amerikanischen Krankenhausdaten trainierten Modelle und wandten sie auf eine Gruppe von Patienten in Brasilien an, die das amerikanische System noch nie gesehen hatten. Selbst in dieser neuen Population, mit einem anderen Gesundheitssystem und einem längeren Zeitraum von einem Jahr statt dreißig Tagen, behielt das KI-Modell einen kleinen Vorteil gegenüber den einfachen Messwerten. Der Abstand verringerte sich jedoch erheblich im Vergleich zu den vollständigen automatisierten Berichten, was die Idee verstärkte, dass die Standardwerkzeuge bereits eine sehr gute Arbeit leisten.

Die Forscher kommen zu dem Schluss, dass künstliche Intelligenz zwar wertvolle Informationen aus den Herzwellen extrahieren kann, die einfache Messwerte übersehen, ihre Fähigkeit, die vollständigen, automatisierten Krankenhausberichte zu verbessern, jedoch begrenzt und ungewiss ist. Der wahre Wert dieser neuen Werkzeuge liegt möglicherweise nicht einfach darin, vorherzusagen, wer sterben wird, sondern darin, wie sie die Patienten verändern, die Ärzte untersuchen. Da die KI und die Standardberichte unterschiedliche Patienten priorisieren, könnte die Verwendung der KI bedeuten, dass einige Hochrisikopatienten Aufmerksamkeit erhalten, die sonst übersehen worden wären, während andere, die eigentlich erfasst worden wären, übersehen werden. Bevor diese Werkzeuge eingesetzt werden können, um die Arbeitsweise von Krankenhäusern zu verändern, ist weitere Forschung notwendig, um genau zu verstehen, welche Patienten von dieser Verschiebung profitieren und ob die Kosten für den Betrieb dieser komplexen Systeme den Unterschied in der Anzahl der geretteten Menschen rechtfertigen.