Ein Gastbeitrag von Laura Limbach, Ulm Das Elektrokardiogramm (EKG) gilt als zentrales diagnostisches Instrument zur Erkennung eines okklusiven Myokardinfarkts (OMI), sowie zur Beurteilung der Indikation für eine unmittelbare Aktivierung des Herzkatheterlabors (CLA). Die korrekte Diagnosestellung des OMI ist essenziell, um eine rechtzeitige Reperfusionstherapie zu gewährleisten, zur Reduktion der Morbidität, effizienteren Nutzung der kardiologischen Ressourcen sowie zur gleichzeitigen Verbesserung des klinischen Outcomes und der Patientensicherheit.
Atypische EKG-Muster, insbesondere STEMI-Äquivalente (OMI ohne ST-Hebung) und STEMI-Mimics (ST-Hebung ohne OMI)bedingen eine erhöhte diagnostische Komplexität und sind mit einer eingeschränkten Interpretationsgenauigkeit assoziiert, was zu einer erhöhten Fehlbeurteilung von OMI-Fällen führen kann. Diese diagnostische Unsicherheit geht mit einem erhöhten Risiko für Fehlentscheidungen einher, sowohl für falsch-positive als auch für falsch-negative Befunde.
McCabe et al. beschreiben eine diagnostische Genauigkeit von etwa 70% bei der Interpretation eines vermuteten OMI durch Ärzte. Aufgrund der erhöhten Komplexität der atypischen EKG-Befunde ist von einer weiteren Reduktion dieser diagnostischen Genauigkeit auszugehen, was den Bedarf an verbesserten diagnostischen Ansätzen hervorhebt.
Modelle der künstlichen Intelligenz (KI) auf Basis von maschinellem Lernen stellen eine potenzielle Lösung dar. Die Queens of Hearts AI (QoH AI), ein von Powerful Medical (PM) entwickeltes neuronales Netzwerk, wurde zur Detektion von OMI anhand von EKGs trainiert und erreicht eine Genauigkeit von etwa 91%. Inwiefern diese KI die diagnostische Leistungsfähigkeit von Ärzten, speziell bei STEMI-Äquivalenten und STEMI-Mimics übertrifft, ist bislang nicht abschließend geklärt.
Vor diesem Hintergrund untersuchten Shroyer et al. die diagnostische Genauigkeit von Notfallmedizinern und Kardiologen bei der Interpretation komplexer EKG-Befunde, insbesondere STEMI-Äquivalenten und STEMI-Mimics, im Vergleich zu einem KI-basierten Algorithmus, hinsichtlich der Entscheidungsfindung zur Aktivierung des Herzkatheterlabors. Ein weiteres Ziel bestand in der Identifikation jener EKG-Muster, welche besonders häufig fehlinterpretiert werden.
Shroyer S, Mehta S, Thukral N, Smiley K, Mercaldo N, Meyers HP, Smith SW,
Accuracy of cath lab activation decisions for STEMI-equivalent and mimic ECGs: Physicians vs. AI (Queen of Hearts by PMcardio),
The American Journal of Emergency Medicine, 97: 193-199 (2025)
Methodik
Im Rahmen einer querschnittlichen Online-Studie beurteilten 53 Notfallmediziner und 49 Kardiologen über einen Zeitraum von etwa 6 Monaten insgesamt 16 EKGs, einschließlich STEMI-Äquivalenten, STEMI-Mimics, STEMI sowie Kontrollbefunde. Für jedes EKG musste eine Ja-/Nein-Entscheidung hinsichtlich der Indikation zur sofortigen Reperfusion mittels Herzkatheter getroffen werden. Die Einschätzung basierte ausschließlich auf dem EKG-Befund, sowie der Annahme eines allgemeinen klinischen Verdachts auf eine akute Koronarokklusion. Die diagnostische Leistung wurde anhand eines Referenzstandards beurteilt, welcher Troponinwerte, Echokardiographie, Koronarangiographie und den klinischen Verlauf einschloss. Die teilnehmenden Ärzte erhielten keine Informationen zum klinischen Kontext des EKGs, Patientenergebnissen und der OMI-Prävalenz. Es fand kein vorausgehendes zusätzliches EKG-Training statt.
Parallel erfolgte die Analyse derselben EKGs mittels eines KI-basierten Algorithmus (QoH AI). Die EKG-Daten wurden durch die Autoren in Form von iPhone-Screenshots über die PMcardio-App an die KI übermittelt. Der Algorithmus klassifizierte die Daten in drei Kategorien:
- STEMI/ STEMI-Äquivalent Indikation zur Aktivierung des Herzkatheterlabors
- reperfundierter OMI ebenfalls als Indikation gewertet
- keine Hinweise auf OMI keine Indikation
Ergebnisse
- 95 EKG-Interpretationen von 53 Notfallmedizinern (mittlere klinische Erfahrung im Median 7 Jahre) und 42 Kardiologen (mittlere klinische Erfahrung im Median 15 Jahre) analysiert
- kein signifikanter Unterschied zwischen beiden Fachdisziplinen bzgl. der diagnostischen Genauigkeit mit 65,6% bei Notfallmedizinern und 65,5% bei Kardiologen,
- die QoH AI übertraf die Ärzte signifikant mit 89%
- Notfallmediziner übersahen 41% der OMIs und klassifizierten 32% der Nicht-OMIs fälschlicherweise als OMI
- die QoH AI übersah 11% der OMIs und klassifizierte nur 11% der Nicht-OMIs fälschlicherweise als OMI
- die häufigsten fehlinterpretierten EKG-Typen durch Ärzte: Schenkelblockkonstellationen (Linksschenkelblock +/- OMI), transiente STEMIs, hyperakute T-Wellen, de-Winter-Zeichen
- die KI klassifizierte fast alle EKGs korrekt, mit Ausnahme von: linksventrikulärem Aneurysma, Linksschenkelblock mit OMI
Diskussion
Aktuelle Leitlinien empfehlen STEMI-Äquivalente analog zu klassischen STEMIs zu behandeln, einschließlich einer unmittelbaren Angiographie und perkutaner Koronarintervention (PCI). Mehrere Übersichtsarbeiten von Khan, Meyers et al. und Hung zeigten, dass Non-STEMI-Patienten mit verschlossenen Koronararterien eine doppelt so hohe Mortalität aufweisen wie klassische STEMI-Patienten, trotz teils jüngeren Alters und weniger Komorbiditäten. Somit lässt sich daraus die Hypothese bestimmen, dass STEMI-Äquivalente eine Hochrisikogruppe darstellen und von einer frühen Erkennung und sofortigen Reperfusion profitieren. Dennoch existieren bislang keine Studien, die belegen, dass eine Verzögerung der Angiographie der STEMI-Äquivalente mit einem erhöhten Risiko für Kammerflimmern (VF), kardiogenen Schock oder Reinfarkt verbunden sind. Auf Grund dessen sind prospektive Studien notwendig, welche bestätigen, dass eine frühere Diagnose zu tatsächlich besseren klinischen Outcomes führt. Bis dahin soll an den bereits bestehenden Leitlinien festgehalten werden, welche eine sofortige Aktivierung des Herzkatheterlabors bei STEMI-Äquivalenten empfehlen, um potenzielle Komplikationen in dieser Hochrisikogruppe zu vermeiden.
Fazit
Die Ergebnisse dieser Untersuchung unterstreichen die diagnostischen Limitationen der visuellen EKG-Interpretation durch Ärzte, insbesondere bei atypischen Mustern, wie STEMI-Äquivalenten und STEMI-Mimics. Gleichzeitig verdeutlichen sie das Potential der KI-basierten Systeme, sowohl zur verbesserten Identifizierung eines okklusiven Myokardinfarkts als auch nicht erforderliche Katheterlaboraktivierungen zu reduzieren. Langfristig kann dies zu einer Verbesserung der Patientenversorgung, Optimierung der Nutzung kardiologischer Ressourcen und geringere Morbiditäten führen. Weitere mögliche Vorteile wären die Entlastung von Notfallmedizinern und eine verbesserte Entscheidungsqualität. Dennoch unterliegt diese Studie mehreren Limitationen, u.a. durch die begrenzte Anzahl der EKG-Beispiele und die künstliche Studiensituation ohne realen Zeitdruck. Daraus resultiert eine eingeschränkte Repräsentativität und eingeschränkte Generalisierbarkeit. Vor diesem Hintergrund besteht ein Bedarf an prospektiven Studien im klinischen Alltag, um den tatsächlichen Nutzen und die Implementierbarkeit solcher KI-basierter Systeme abschließend zu beurteilen.