Gewinne:
- Fähigkeit, die Rolle der künstlichen Intelligenz bei den Schritten Rauschentfernung, Wellenerkennung und Rhythmusklassifizierung des EKG-Signals zu erklären
- Fähigkeit, Modellergebnisse anhand des physiologischen Bereichs, der Artefakte und des klinischen Kontexts kritisch zu bewerten
- Verständnis dafür, dass kardiale KI-Empfehlungen unabhängig von diagnostischen Entscheidungen sind, die einer ärztlichen Genehmigung bedürfen
Elektrokardiographie (EKG; EKG oder EKG auf Englisch) ist die Aufzeichnung der elektrischen Aktivität, die das Herz bei jedem Schlag erzeugt, mit Elektroden auf der Haut. Die resultierende Kurve ist das häufigste Biosignal in der Medizin und zeigt den Rhythmus und die Erregungsleitung des Herzens an. Ein Biosignal ist eine messbare Größe, die sich von einem lebenden Organismus im Laufe der Zeit verändert. Aus technischer Sicht ist das EKG ein hervorragendes Untersuchungsgebiet: Es verfügt über gut definierte Wellen (P, QRS, T), bekannte physiologische Bereiche und ein riesiges Datenvolumen. Künstliche Intelligenz bietet starke Unterstützung im EKG durch Rauschunterdrückung, Wellenerkennung und Rhythmusklassifizierung. In dieser Einheit werden wir diese Schritte, die physiologische Bestätigung und warum die endgültige Diagnose beim Arzt verbleibt, sehen.
Um es gleich zu Beginn klarzustellen: Ein EKG-Muster kann sagen: „Vorhofflimmern ist möglich“; Dies ist jedoch eine Warnung, keine Diagnose. KI diagnostiziert nicht; Die Entscheidung trifft der Arzt gemeinsam mit dem Patienten.
EKG-Verarbeitungskette
Schritt 1 – Signalerfassung und Rauschentfernung. Roh-EKG; Dazu gehören Netzwerkrauschen (50/60 Hz), Grundliniendrift (Grundliniendrift mit Atmung und Bewegung) und Muskelartefakte. Durch Filterung (Bandpassfilter) und in modernen Ansätzen durch KI-basierte Rauschunterdrückung werden diese Verzerrungen reduziert. Kritischer Punkt: Durch die Filterung dürfen auch keine echten Informationen gelöscht werden; Eine übermäßige Filterung kann durch eine Verzerrung des ST-Segments die tatsächliche Ischämie verschleiern.
Schritt 2 – Wellenerkennung (Abgrenzung). Das Modell erkennt die P-Welle, den QRS-Komplex und die T-Welle. Die einfachste Ausgabe ist die R-Peak-Erkennung; Der Abstand zwischen aufeinanderfolgenden R-Peaks (R-R-Intervall) gibt die Regelmäßigkeit von Herzfrequenz und Rhythmus an.
Schritt 3 – Merkmalsextraktion. Merkmale wie R-R-Intervalle, QT-Dauer, ST-Level und Wellenmorphologie werden berechnet. Diese dienen sowohl der klinischen Interpretation als auch der Modelleingabe.
Schritt 4 – Rhythmus-/Anomalieklassifizierung. Das Modell schlägt Klassen wie Vorhofflimmern, ventrikuläre Extrasystole oder normalen Sinusrhythmus vor. Die Ausgabe ist eine Bezeichnung und ein Konfidenzwert.
Schritt 5 – Beurteilung durch den Arzt. Die Empfehlung wird dem Arzt zusammen mit dem klinischen Kontext (Symptome, Medikamente, Anamnese) vorgelegt. Die Diagnose liegt beim Arzt.
Physiologische Bereiche: Schnellvalidierungsanker
Die Größenordnungskontrolle ist im EKG sehr stark, da die physiologischen Bereiche klar sind:
- Ruheherzfrequenz: 50–100 Schläge/Minute (kann bei Sportlern auf 40 sinken).
- Normale QRS-Dauer: 80–120 ms; Ein breiteres QRS deutet auf eine Leitungsverzögerung hin.
- Korrigiertes QT (QTc): etwa 350–450 ms bei Erwachsenen; Über 500 ms können gefährlich sein.
- Die P-Welle geht jedem normalen QRS voraus.
Wenn das Modell eine Herzfrequenz von 250 ergab, liegt entweder eine echte Tachyarrhythmie vor oder das Geräusch wurde als R-Peak gezählt (Doppelzählung). Sie können diese Unterscheidung nicht treffen, ohne sich das Rohsignal anzusehen; Hier kommt die Disziplin der Verifizierung ins Spiel.
Drei Mini-Hüllen: In Zahlen
Fall 1 – Artefakt, das eine Arrhythmie imitiert. Während der Überwachung eines Patienten gab das Modell drei Minuten lang den Alarm „Ventrikuläre Tachykardie“ aus. Bei der Untersuchung des Rohsignals wurde festgestellt, dass der Patient seine Zähne putzte und das Muskelartefakt das QRS nachahmte. Physiologische Plausibilität (der Patient war zu diesem Zeitpunkt beschwerdefrei und stabil) und Rohsignalprüfung lösten den Fehlalarm. Modell gewarnt, Rohsignal korrigiert.
Fall 2 – Scangeschwindigkeit. Eine kardiologische Klinik überprüfte 24-Stunden-Holter-Aufzeichnungen (tragbares kontinuierliches EKG); Durchschnittlich 20 Minuten pro Aufnahme. Die KI-Vormarkierung reduzierte die Überprüfungszeit auf 7 Minuten, indem mögliche Ereignisse hervorgehoben wurden. Das Modell hat kein Ereignis selbstständig geschlossen; Der Techniker und der Kardiologe überprüften jedes Zeichen.
Fall 3 – Doppelzählungsfehler. Bei einem Patienten mit einer hohen T-Welle zählte das Modell die T-Welle auch als R-Spitze und meldete eine Herzfrequenz, die doppelt so hoch war wie der tatsächliche Wert (etwa 300 statt 150). Die Überprüfung der Größenordnung – „300 Schläge pro Minute sind kein nachhaltiger Rhythmus“ – verriet den Fehler sofort und der R-Peak-Schwellenwert wurde korrigiert.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Hinweis: Die folgenden Eingabeaufforderungen sind hilfreich bei der Interpretation des EKG-Berichts/Parametertextes. Die Roh-EKG-Diagnose ist die Arbeit eines zertifizierten Geräts und Arztes.
Schwache Eingabeaufforderung:
Schauen Sie sich diese EKG-Werte an. Was ist mit dem Patienten passiert?[Werte]
Kraftvolle Aufforderung:
Ihre Rolle: Sie sind Assistent bei der Herzsignalanalyse (SIE SIND KEINE DIAGNOSE). Bewerten Sie die folgenden anonymen EKG-Parameter: - Vergleichen Sie jeden Parameter mit seinem Normalbereich (HR, PR, QRS, QTc). - Markieren Sie Werte außerhalb des Bereichs, stellen Sie jedoch keine Diagnose. - Beachten Sie Fälle, in denen Werte auf Artefakte zurückzuführen sein könnten („Doppelzählungsverdacht“). – Listen Sie am Ende 3 Punkte auf, die der Arzt im Rohsignal bestätigen sollte. Anonyme Parameter: [HR, PR, QRS, QTc, Rhythmus-Tag]
Vier kopierbare Vorlagen
1) Parameterbereichssteuerung:
Vergleichen Sie die folgenden EKG-Parameter mit normalen Erwachsenenbereichen und tabellarisch die Abweichungen. Nicht diagnostizieren. Parameter: [Liste]
2) Beseitigung des Artefaktverdachts:
Ist dieser Rhythmus-Tag und die Herzfrequenz physiologisch sinnvoll? Wenn nicht, erklären Sie, welches Artefakt (Doppelzählung, Muskel, Grundlinie) möglicherweise imitiert wird. Daten: [Werte]
3) Holter-Zusammenfassung:
Gruppieren Sie die folgende anonyme Holter-Ereignisliste nach Ereignistyp, um eine Häufigkeitstabelle zu erstellen. Markieren Sie jede Gruppe als „hohe/niedrige Priorität für den Kardiologen“ und lassen Sie ihn entscheiden.Liste: [Veranstaltungen]
4) QT-Sicherheitshinweis:
Vergleichen Sie QTc mit den Schwellenwerten für Erwachsene. Wenn sie über 500 ms liegt, verfassen Sie einen Warnhinweis für den Arzt, der Sie daran erinnert, dass Medikamente und Elektrolytkontrolle erforderlich sind. Wert: [QTc]
Rolle des Modells: Nach Aufgabentyp
Aufgabentyp
KI-Beitrag
Kritikalität
Überprüfung
Rauschentfernung/Vorverarbeitung
hoch
niedrig
Rohsignalvergleich
R-Scheitel-/Wellenerkennung
hoch
mittel
physiologischer Bereich
Rhythmus-Vorsortierung
hoch
hoch
Arzt + Rohsignal
Priorisierung von Holter-Ereignissen
hoch
mittel
Überprüfung durch einen Kardiologen
Diagnose/Behandlungsentscheidung
begrenzt
sehr hoch
Volle Zustimmung des Arztes
Tipp: Schauen Sie sich immer das Rohsignal an, bevor Sie der Ausgabe eines EKG-Musters glauben. Bei der Herz-KI entstehen die meisten Fehler durch Artefakte, die die echte Welle nachahmen, und dies ist nur in der Rohkurve sichtbar.
Achtung: Eine übermäßige Filterung erzeugt ein kosmetisch „sauberes“ Signal, kann jedoch diagnostisch wichtige Details wie das ST-Segment löschen. Ein deutlich sichtbares Signal bedeutet nicht, dass es sich um das richtige Signal handelt. Filtereinstellungen sollten klinisch validiert werden.
Häufige Fehler
- Dem Tag vertrauen, ohne auf das Rohsignal zu achten. Artefakte ahmen Arrhythmien nach; Dies ist die häufigste Fehlerquelle.
- Übermäßige Filterung. Zusammen mit dem Rauschen können auch Diagnoseinformationen gelöscht werden.
- Doppelzählung außer Acht gelassen. Eine hohe T-Welle kann die Herzfrequenz verdoppeln; Die Größenordnung erfasst dies.
- Verwechslung von Verbrauchergerätedaten mit klinischen Daten. Ein Einkanal-Smartwatch-EKG ist kein Ersatz für ein 12-Kanal-Diagnose-EKG.
- Das Modell mit der Diagnose verwechseln. Das Modell warnt; Rhythmusdiagnose und Behandlung sind Sache des Arztes.
Zusammenfassend
- Der EKG-Workflow besteht aus Rauschentfernung, Wellenerkennung, Merkmalsextraktion und Rhythmusklassifizierung.
- Physiologische Intervalle (HR, QRS, QTc) sind ein leistungsstarker und schneller Validierungsanker.
- Die meisten Fehler entstehen, weil das Artefakt die echte Welle imitiert; Die Kontrolle des Rohsignals ist ein Muss.
- Übermäßiges Filtern kann dazu führen, dass Diagnoseinformationen gelöscht werden. Ein sauberes Signal bedeutet nicht gleich ein korrektes Signal.
- Rhythmus-Tags sind Warnungen; Die Diagnose und Behandlungsentscheidung obliegt dem Arzt.
Anwendungsaufgabe
Bereiten Sie einen EKG-Parametersatz vor (HR, PR, QRS, QTc, Rhythmusbezeichnung) und fügen Sie gezielt einen nicht-physiologischen Wert (z. B. HR 280) ein. Lassen Sie das Modell mithilfe der leistungsstarken Eingabeaufforderung auswerten und beobachten Sie, ob das Modell diesen Wert als Artefaktverdächtig markiert. Dann: „Welcher Anker (physiologischer Bereich oder Rohsignal) erfasst diesen Fehler?“ Beantworten Sie die Frage mit einem Absatz.
Checkliste
- [ ] Ich kenne die Schritte zur Rauschentfernung, -erkennung, -funktion und -klassifizierung in der EKG-Verarbeitungskette.
- [ ] Ich kann grundlegende physiologische Bereiche (HR, QRS, QTc) als Validierungsanker verwenden.
- [ ] Mir wurde klar, dass Artefakte Arrhythmien nachahmen und die Kontrolle des Rohsignals unerlässlich ist.
- [ ] Mir ist bewusst, dass durch übermäßiges Filtern Diagnoseinformationen gelöscht werden können.
- [ ] Ich habe verinnerlicht, dass die Rhythmusbezeichnung eine Warnung ist und die Diagnose beim Arzt verbleibt.