In der Übersicht
Die frühzeitige Diagnose und Behandlung von Herzrhythmusstörungen können ernsthafte gesundheitlich Komplikationen wie zum Beispiel einen Hirnschlag verhindern.
Zu diesem Zweck untersuchen und entwickeln wir Algorithmen der künstlichen Intelligenz zur Früherkennung und Prognose von Herzrhythmusstörungen aus EKG Messungen. Dabei wird ein Fokus auf die geschlechterspezifischen Unterschiede bei Arrhythmien gelegt.
In diesem Projekt entwickeln wir im spezifischen die Früherkennung und Prognose von sporadischem Vorhofflimmern und ventrikulärer Tachykardie basierend auf Langzeit EKG Daten (Holter). Dies kann nicht nur Leben retten, sondern auch ernsthafte gesundheitliche Schäden verhindern und Therapien vereinfachen und deren Resultate verbessern. Zusätzlich entwickeln wir Algorithmen zur Messung vitaler Körpersignale wie Blutdruck und Atmungsrate sowie die Erkennung von Schlafapnoe direkt aus den EKG Messungen ohne zusätzliche Sensorik. Diese dienen den Kardiologen zu einer umfassenderen Beurteilung. Für den Patienten sind keine zusätzlichen Sensoren notwendig.
Für die Früherkennung und Prognose von sporadischem Vorhofflimmern und ventrikulärer Tachykardie untersuchen und entwickeln wir Algorithmen auf der Basis von deep neural networks, welche gezeigt haben, Spuren im EKG als prädiktive Marker für die Arrhythmie während des normalen Sinussrhythmus zu erkennen.
Wir versuchen, die personenspezifischen und insbesondere geschlechterspezifische Unterschiede/Variationen im EKG Signal, d.h. Anzeichen eines Herzinfarktes im EKG, mit dem KI Modell zu erfassen und dadurch genauere Früherkennungen und Prognosen zu ermöglichen. Dies heisst konkret, wir trainieren die KI mit Daten von unterschiedlichsten Personen (Frauen/Männer), damit die KI personenspezifischen Variationen abdecken kann.
Für die Messung der Vitalsignale Blutdruck und Atmungsrate untersuchen wir Ansätze auf Feature Extraktion und klassischem maschinellem Lernen. Alle Algorithmen werden für Langzeit EKG Messungen (1..3 Ableitungen) mit einer Dauer von 1..10 Tagen entwickelt. Die Arrhythmieerkennung wird unter Berücksichtigung der Aktivitäten des Patienten, die mit Beschleunigungssensoren im EKG Gerät erfasst werden, optimiert.
