✨ AI Kontextualisierung
Herz-Kreislauf-Erkrankungen zählen weltweit zu den häufigsten Krankheiten. In den westlichen Ländern sind sie mit rund 45 Prozent und in den Entwicklungsländern mit rund 25 Prozent aller Todesfälle die häufigste Todesursache. Weltweit sterben jährlich rund 17,3 Millionen Menschen an den Folgen einer Herz-Kreislauf-Erkrankung, wobei Schätzungen einen Anstieg auf bis zu 23,6 Millionen im Jahr 2030 prognostizieren. In Österreich stellen sie bei Frauen über 65 Jahren und bei Männern über 45 Jahren die Haupttodesursache dar.
Herzprobleme werden spät entdeckt
Das zentrale Problem ist, dass Herzkrankheiten meist spät entdeckt werden, da Symptome wie Atemnot oder Brustdruck erst in einem späten Krankheitsstadium auftreten. Eine medikamentöse Behandlung zeigt dann oft nicht mehr den gewünschten Erfolg. Der Patient muss daraufhin mit einem operativen Eingriff rechnen.
Weitere Gründe für eine verzögerte Risikoanalyse solcher Krankheiten liegen zum einen an den unspezifischen, unterschiedlichen Symptomen von Herzinsuffizienz. Zum anderen sind herkömmliche, klassische Diagnostikmethoden wie Bluttests im Labor äußerst teuer und werden nur episodisch – und damit nicht lückenlos – durchgeführt. Die Folgen sind hohe Hospitalisierungsraten, die eine große Belastung für Patienten darstellen und hohe Kosten für das Gesundheitssystem verursachen.
arterioscope: KI-Sofware für Diagnose
Das Grazer Deep-Tech-Spin-off arterioscope, eine Ausgründung der Technischen Universität Graz, hat daher einen patentierten Ansatz gefunden, der Anzeichen von Herzinsuffizienz und Risiken für Herzerkrankungen ohne die Zuhilfenahme kostspieliger Diagnosemethoden wie CTs, MRTs oder Bluttests früher erkennen soll.
„Wir haben eine medizinisch validierte, KI-basierte Software für die Diagnose von kardiovaskulären Biomarkern entwickelt, die in direktem Zusammenhang mit Erkrankungen wie etwa Herzinsuffizienz, Herzinfarkt, Atherosklerose, Aneurysmen oder Herzklappenfehler stehen“, erklärt Hermann Moser, Co-Founder und CEO von arterioscope.
Und weiter: „Jede Herzerkrankung wirkt sich auf bestimmte Weise physisch auf die kardiovaskuläre Mechanik aus und verändert auch extern angelegte elektrische Felder. Um diese latenten Informationen zu erhalten, verwenden wir Biosignale von klinischen EKGs und PPGs (Anm.: lichtbasierte Messungen, mit denen Veränderungen des Blutvolumens in den Gefäßen erfasst werden). Mithilfe eines eigenen Machine-Learning- und Deep-Learning-Modells können wir aus den gewonnenen Informationen erstmals Rückschlüsse auf mögliche Herzkrankheiten ziehen – und das in Echtzeit.“
Kooperation mit Grazer Universitäten
Das Machine-Learning-Modell wurde an der Technischen Universität Graz in enger Zusammenarbeit mit der Medizinischen Universität Graz sowie weiteren internationalen Partnern aus Forschung, Medizintechnik und Pharmaindustrie entwickelt. Um statistisch signifikante Ergebnisse zu erzielen, wurde die KI-Software mit einer großen Anzahl öffentlicher klinischer Datensätze trainiert.
„Überhaupt erst durch Machine Learning wurde es möglich, aus den großen Datenmengen statistisch signifikante Ergebnisse mit einer neuen Leistungsstufe in der Auswertung kardiovaskulärer Biosignale zu erreichen“, erklärt Moser.
Engpässen bei Terminvergabe
Die Kombination moderner Signalverarbeitung, maschinellen Lernens und klinischer Referenzdaten könnte überdies weitere praktische Vorteile sowohl für Patient:innen als auch für das Gesundheitssystem bieten, so die Hoffnung. Derzeit wird im Krankenhaus bei Verdacht auf Herzschwäche ein bestimmter Blutwert bestimmt, der „gut etabliert und evidenzbasiert“ ist. Nur: Diese Screenings dienen oft zur Abklärung, und nicht jede dieser Untersuchungen ist zwingend notwendig, weshalb es derzeit auch zu Engpässen bei der Terminvergabe kommt.
„Unsere Idee ist es, über die KI-basierte EKG-Analyse bereits vorab eine Erhöhung dieses Blutwertes vorhersagen zu können. Der Vorteil eines solchen telemedizinischen ‚Vorscreenings‘ ist, gezielter jene Patienten zu identifizieren, die tatsächlich von einer kardiologischen Abklärung profitieren – und unnötige Untersuchungen zu vermeiden. Die Technologie versteht sich dabei sozusagen als eine Art ‚Gatekeeper‘, um Patientenströme effizienter zu lenken“, präzisiert Martin Manninger-Wünscher, CMO von arterioscope und Kardiologe an der Medizinischen Universität Graz.
Auch Risikoanalysen möglich
Neben einer genaueren Voruntersuchung erlaubt die Software auch Risikoanalysen von Herzkrankheiten: „Bisherige KI-EKG-Lösungen versuchen, bestehende Diagnosen lediglich zu ‚imitieren‘ und weisen binäre Diagnosen wie ‚krank‘ oder ‚gesund‘ aus. Unser auf Biomarker basierender Machine-Learning-Ansatz geht einen Schritt weiter: Physiologisch fundierte Risiko-Scores zeigen an, wie wahrscheinlich es ist, ob eine bestimmte Erkrankung tatsächlich vorhanden ist“, sagt Moser.
Ausschlaggebend für diese Messungen seien jedoch sehr große Datenmengen: „Derzeit kann die Software überall dort eingesetzt werden, wo ein EKG verfügbar ist – etwa in Ordinationen, Primärversorgungszentren oder bei Hausärzten. Langfristig arbeiten wir allerdings daran, die Technologie von klassischen medizinischen EKG-Geräten auf Pulskurven aus Wearables zu übertragen.“
Herz-Kontrolle daheim
„Wenn es uns gelingt, die Software valide weiterzuentwickeln und aus diesen PPG-Signalen Hinweise auf ein erhöhtes Risiko für Herzschwäche zu erkennen, könnte man die Früherkennung aus dem medizinischen System heraus bis ins häusliche Umfeld verlagern“, sagt Manninger. „Mit anderen Worten ließen sich Verlaufskontrollen und Messungen von zuhause aus durchführen – und sehr viel mehr Menschen frühzeitig erreichen.“
Darüber hinaus eröffnet die Technologie neue Möglichkeiten für die klinische Forschung: „Kurzfristig liegt unser Fokus auf Biotech-, Pharma- und Industrieunternehmen als Zielgruppen. Sie können unsere Technologie in klinischen Studien einsetzen, um Medikamente schneller und effizienter zu entwickeln.“
Gerade Biotech-Unternehmen stehen unter hohem wirtschaftlichem Druck. Bei der Entwicklung neuer Therapeutika sei es entscheidend, die richtigen Patientengruppen für Studien auszuwählen und frühzeitig wichtige Signale zu erkennen, etwa, ob eine Studie erfolgsversprechend fortgeführt werden kann oder nicht. Fehlentscheidungen können Kosten in der Höhe von bis zu mehreren 100 Millionen Euro verursachen.
Kosten einsparen
„Unsere Technologie ermöglicht eine präzisere Patientenselektion und ein effizienteres Monitoring von Therapieeffekten. Pharmaunternehmen könnten dadurch vor allem in späteren Studien erhebliche Kosten einsparen, während gleichzeitig das Gesundheitssystem durch frühere Diagnostik und Prävention profitiert“, sagt Moser.
Langfristig ist eine Zusammenarbeit mit öffentlichen und privaten Gesundheitssystemen, Versicherungen und Ärzten vorgesehen: Ein bevölkerungsweites Screening ab dem 40. Lebensjahr auf frühe Anzeichen von Herzinsuffizienz bzw. das Risiko für Herzerkrankungen ließe sich in bestehende Gesundheitsvorsorgeuntersuchungen integrieren oder mit Initiativen wie Herzmobil oder den EU-Gesundheitsplänen verknüpfen.
Alle 15 Minuten stirbt jemand an Herz-Erkrankungen
Der am 16. Dezember 2025 veröffentlichte EU Cardiovascular Health Plan der Europäischen Kommission sieht bis 2035 unter anderem die Stärkung von Prävention, Früherkennung und digitaler Gesundheitsstrategien vor. Auch die Österreichische Kardiologische Gesellschaft (ÖKG) betont die Dringlichkeit koordinierter, nachhaltiger Strategien und spricht sich für die Entwicklung eines nationalen Herz-Gesundheitsplans aus.
Die Technologie von arterioscope könnte, so der Plan, diese Strategien maßgeblich unterstützen und dabei helfen, Gegenmaßnahmen zu ergreifen, um die Auswirkungen auf Gesellschaft, Gesundheitssystem und Wirtschaft zu senken. Moser verdeutlicht das in Zahlen: „Heute stirbt allein in Österreich alle 15 Minuten jemand an einer Herz-Kreislauf-Erkrankung, und jährlich werden mehr als 35.000 Herzinfarkte verzeichnet. Die Relevanz unserer Technologie steht damit außer Frage.“
