KI-gestützte EKG-Analyse zur Erkennung von Vorhofflimmern. Evaluierung tragbarer Geräte

Bachelorarbeit aus dem Jahr 2024 im Fachbereich Medizin - Sonstiges, Note: 1,3, Hochschule Fresenius München (Carl Remigius Medical School), Sprache: Deutsch, Abstract: Diese Bachelorarbeit untersucht den Einsatz künstlicher Intelligenz (KI) zur Analyse von Elektrokardiogrammen (EKG) mit dem Ziel, Vorhofflimmern (AF) frühzeitig und präzise zu erkennen. AF ist eine häufige Herzrhythmusstörung, die zu schwerwiegenden Komplikationen wie Schlaganfällen führen kann. Traditionelle Diagnosetechniken sind zeitaufwändig und anfällig für Fehldiagnosen, weshalb KI-basierte Lösungen eine vielversprechende Alternative darstellen.

Der Schwerpunkt der Arbeit liegt auf der Evaluierung tragbarer Geräte wie implantierbarer Herzmonitore (ICMs) und Smartwatches. ICMs bieten eine hohe Präzision, sind jedoch invasiv und kostenintensiv. Smartwatches hingegen sind leicht zugänglich und erlauben eine kontinuierliche Überwachung, weisen jedoch eine geringere Genauigkeit und eine höhere Anzahl falsch-positiver Ergebnisse auf.

Durch eine systematische Literaturrecherche werden verschiedene KI-Ansätze, insbesondere maschinelles Lernen (ML) und Deep Learning (DL), untersucht. Konvolutionale neuronale Netze (CNNs) zeigen sich als besonders geeignet zur Analyse von EKG-Signalen, da sie Muster effizient erkennen und klassifizieren können.

Die Ergebnisse zeigen, dass KI-gestützte Systeme das Potenzial haben, die Diagnosegenauigkeit zu erhöhen und die Arbeitsbelastung von Kardiologen zu reduzieren. Dennoch bestehen Herausforderungen wie Datenschutz, ethische Fragen und die Integration in bestehende medizinische Infrastrukturen.

Die Arbeit kommt zu dem Schluss, dass tragbare KI-gestützte Geräte eine wertvolle Ergänzung zur herkömmlichen kardiologischen Diagnostik darstellen und einen wichtigen Beitrag zur Früherkennung und Prävention leisten können.