SEOUL / LONDON (IT BOLTWISE) – Auf den Scientific Sessions 2026 der American Heart Association stellen Medical AI und das Incheon Sejong Hospital Ergebnisse zum WATCH-LV Screening vor. Das KI-Modell erkennt eine linksventrikuläre systolische Dysfunktion aus 30-sekündigen Smartwatch-EKG-Aufnahmen und arbeitet mit einer Ejektionsfraktion von 40 Prozent oder weniger. In einer zweiten Patientengruppe reduziert eine Zwei-von-drei-Entscheidungsregel die Zahl falsch-positiver Befunde deutlich. Für die Wirksamkeit im Alltag bleiben jedoch randomisierte Studien angekündigt.
Herzschwäche früh zu erkennen, ist nicht nur eine Frage der Diagnostik, sondern auch eine Frage der Belastung für Versorgungspfade: Je mehr Fehlalarme ein Screening auslöst, desto mehr Folgeuntersuchungen müssen organisiert, priorisiert und medizinisch verantwortet werden. Genau an dieser Schnittstelle setzt das Projekt WATCH-LV an. Laut den auf den Scientific Sessions 2026 der American Heart Association präsentierten Untersuchungsergebnissen kombiniert ein von Medical AI und dem Incheon Sejong Hospital entwickeltes Modell 30-sekündige EKG-Messungen von Smartwatches, um eine linksventrikuläre systolische Dysfunktion zu identifizieren. Die medizinische Zieldefinition ist dabei klar: eine Ejektionsfraktion von 40 Prozent oder weniger.
Technisch betrachtet läuft das Verfahren nicht wie ein klassischer Einzelmess-Check, sondern bewertet wiederholte Signale. Das Modell analysiert EKG-Aufzeichnungen, die Nutzer mit einer Apple Watch oder einer Galaxy Watch erzeugen, und versucht daraus Muster abzuleiten, die mit der Dysfunktion zusammenhängen. In der ersten Studienkohorte wurden zwischen Juli 2023 und Mai 2024 insgesamt 2.211 Erwachsene untersucht, wobei alle Teilnehmenden beide Geräte trugen. Für jede Uhr wurde anschließend anhand der jeweiligen Schwellenwerte bewertet, ob ein positives Signal vorliegt. Für die Apple Watch lag die Fläche unter der ROC-Kurve bei 0,907, für die Galaxy Watch bei 0,895; der Unterschied galt dabei als statistisch nicht signifikant.
Allerdings zeigt sich bei genauerem Blick eine praktische Herausforderung, die im Screening-Alltag oft untergeht: die Kalibrierung. Obwohl die generelle Trennschärfe ähnlich ausfiel, wurde die Kalibrierungsschwelle nicht identisch über beide Endgeräte hinweg gesetzt. Bei Anwendung eines identischen Schwellenwerts stuften 200 der 2.211 Teilnehmenden (also rund 9 Prozent) auf Apple Watch und Galaxy Watch unterschiedlich ein. Das ist kein Widerspruch zur vergleichbaren ROC-Leistung, aber es macht deutlich, dass die Signalverarbeitung und die Gerätecharakteristik Einfluss auf die endgültige Entscheidungsgrenze haben können. Genau diese Art von Geräte-Sensitivität ist ein zentraler Punkt, wenn man KI-gestütztes Screening im Markt wirklich vergleichbar ausrollen will.
Den größten Hebel gegen Fehlalarme liefert laut Bericht jedoch die Logik über mehrere Tage hinweg. In einer zweiten Gruppe begleiteten die Forschenden zwischen Juli 2024 und Dezember 2025 insgesamt 146 ambulante Patienten, wobei bei 108 Personen Messdaten an mindestens fünf Tagen vorlagen. Hier testeten die Autoren den Nutzen wiederholter Aufnahmen und setzten auf eine Entscheidungsregel: Zwei von drei Tagen mussten ein positives Signal zeigen. Ergebnis: Die Zahl falsch-positiver Befunde bei 70 Personen ohne Dysfunktion sank von 18 auf 9. Gleichzeitig konnte das Modell weiterhin eine relevante Zahl realer Fälle erfassen: Es identifizierte 31 von 38 tatsächlichen Krankheitsfällen, verglichen mit 33 erkannten Fällen, wenn nur auf Basis von Einzeltagen ausgewertet worden wäre.
Auch die Validierung über Folgeuntersuchungen liefert wichtige Details für die praktische Einordnung. Unter den 146 Teilnehmenden bestätigten sich 81 Prozent der durchgehend positiven Werte in anschließenden echokardiographischen Untersuchungen. Bei durchgehend negativen Werten lag die Bestätigungsquote für eine vorliegende Dysfunktion dagegen bei rund 6 Prozent. Knapp die Hälfte der Patienten zeigte uneinheitliche Ergebnisse; in dieser Subgruppe ließ sich die Diagnose bei 40 Prozent echokardiographisch absichern. Der Befund passt damit zu einem typischen Muster solcher Systeme: Konsistenz über wiederholte Messungen erhöht die Aussagekraft, während wechselnde Signale die Unschärfe zwischen Screening und klinischem Endpunkt sichtbar machen.
Gleichzeitig weisen die Autoren auf Einschränkungen hin, die für Unternehmen und medizinische Entscheider relevant sind. Die Studie war monozentrisch an einem süd-koreanischen Krankenhaus und betraf Patienten, die bereits überwiesen worden waren. Das geht nach dem dargestellten Kontext mit einer erhöhten Erkrankungspravalenz einher, was die Übertragbarkeit auf ein breit angelegtes Screening ohne Vorselektion erschweren kann. Zudem liefert die Erhebung keinen Nachweis dafür, dass sich dadurch tatsächlich Krankenhaus-Einweisungen verringern ließen. Zur weiteren Überprüfung befinden sich randomisierte Studien in Südkorea und den USA in Vorbereitung. Genau diese nächsten Schritte dürften entscheiden, ob aus einem guten diagnostischen Signal auch ein klinisch wirksames Versorgungsinstrument wird.
Aus Sicht der klinischen Umsetzung bleibt außerdem die Rollenverteilung zwischen Software und Fachpersonal zentral. Keane K. Lee vom Kaiser Permanente Santa Clara Homestead Medical Center wird in der Darstellung mit einem klaren Punkt wiedergegeben: Künstliche Intelligenz könne Kardiologen nicht ersetzen; die abschließende Befundprüfung bleibt eine ärztliche Aufgabe. Für die Technikbranche ist das wiederum eine wichtige Leitplanke bei der Produktisierung: KI kann Priorisieren, Vorschlagen und Muster verdichten, aber sie muss in Prozesse eingebettet werden, in denen Verantwortlichkeiten, Plausibilitätsprüfungen und therapeutische Entscheidungen eindeutig geregelt sind. Für das nächste Projektstadium ist daher weniger die Frage „Kann die KI?“ als vielmehr die Frage entscheidend, „Wie gut übersetzt sich die Zwei-von-drei-Entscheidungsregel in echten Versorgungsketten?“
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "WATCH-LV: KI per Smartwatch-EKG senkt Fehlalarme bei Herzschwäche-Screening" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "WATCH-LV: KI per Smartwatch-EKG senkt Fehlalarme bei Herzschwäche-Screening" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »WATCH-LV: KI per Smartwatch-EKG senkt Fehlalarme bei Herzschwäche-Screening« bei Google Deutschland suchen, bei Bing oder Google News!