Verbesserung der automatischen Annotation der T-Wellen im EKG mit Anwendung von neuartigen Augmentationstechniken

• Antragsteller: Professor Dr. Konstantinos Rizas
• Fachliche Zuordnung: Medizininformatik und medizinische Bioinformatik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 549333517

Das Elektrokardiogramm (EKG) spiegelt die elektrische Aktivität des Herzens wider. Es wird durch Körperelektroden abgeleitet und als Spannungsänderung über die Zeit dargestellt. Die Repolarisation, die als eine "T-Welle" im EKG abgebildet wird zählt zu einer der wichtigsten EKG-Komponenten. Die richtige Annotation des Beginns und Endes der T-Welle ist für die Diagnose von kardiovaskulären Erkrankungen und die Risikostratifzierung von kardialen PatientInnen von besonderer klinischer Bedeutung. Ein solches Beispiel, stellt die "Periodic Repolarization Dynamics" (PRD) dar, welche zuerst im Jahr 2014 von unserer Gruppe beschrieben wurde. Hintergrund der Entwicklung ist, dass aus direkten Nervenableitungen bekannt ist, dass sympathische Entladungen am Herzen in sogenannten niederfrequenten "Bursts" organisiert sind (<= 0,1 Hz). Mit Hilfe mathematischer Methoden konnten ähnliche niederfrequente Modulationen der kardialen Repolarisation in Ruhe nachgewiesen werden. Die PRD stellt dementsprechend einen elektrokardiographischen Marker dar, der diese beschriebenen Instabilitäten in der kardialen Repolarisation quantifiziert. Der prognostische Wert der erhöhten PRD konnte bis dato in mehreren Kohorten und randomisierten Studien bei PatientInnen mit ischämischer und nicht-ischämischer Kardiomyopathie nachgewiesen werden. Darüber hinaus konnten mittels dieser Methode PatientInnen identifiziert werden, die von der primärprophylaktischen Implantation eines Defibrillators (ICD) profitieren. Eine Hauptlimitation der Methode ist, dass für die Berechnung der PRD die manuelle Annotation des Beginns und Endes von mindestens 2.000 T-wellen erforderlich ist. Diese manuelle T-wellen-Annotation ist nicht nur besonders anspruchsvoll aber könnte sich in einzelnen Fällen fehlerhaft verhalten. Die aktuellen Methoden zur automatischen Annotation der T-Wellen sind weder robust noch zuverlässig und erfordern eine manuelle Kontrolle und Überprüfung jeder T-Welle für mögliche Fehler. Das Hauptziel dieses Projektes ist mittels künstlicher Intelligenz (KI) die automatische Annotation der T-Wellen zu verbessern. Allerdings ist dafür eine enorme Menge von EKGs erforderlich. Darüber hinaus sollten diese EKGs aus Tausenden von Menschen stammen und unter unterschiedlichen Bedingungen (Herzfrequenz, Atemfrequenz, Störgeräusche) aufgezeichnet werden. Da diese EKGs aktuell nicht verfügbar sind, planen wir zuerst eine innovative Augmentationstechnik anzuwenden, um die EKG-Datenbank künstlich auszubauen. Anschließend ist geplant, maschinelles Lernen einzuführen, um einen freien, "Open Source", robusten und fehlerfreien Algorithmus zur automatisierten Annotation der T-Wellen zu entwickeln. Diese neue Technologie kann im Anschluss zur Entwicklung von innovativen Risikostratifzierungsstrategien, verbesserten EKG-Interpretation und rechtzeitiger Diagnose von lebensbedrohlichen Zuständen im klinischen Alltag führen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Österreich
• Mitverantwortlich: Privatdozent Dr.-Ing. Axel Loewe
• Kooperationspartner: Professor Dr. Axel Bauer