Forschende trainierten zwei identische Residualnetzwerke mit EKG-Bildern einzelner Herzschläge. Ein Netzwerk erhielt eine Falschfarbendarstellung, bei der der Bereich unter dem QT-Intervall mit Farben aus dem QT-Nomogramm ausgefüllt wurde – einem klinischen Instrument zur Risikobewertung. Das reine Farbmodell erreichte bei zwei Untersuchungsterminen der UK Biobank AUC-Werte von 0,903 und 0,914, während das monochrome Modell bei etwa 0,72 blieb. Bei acht Verfahren zur Erklärung der Modellergebnisse ermöglichten die farbigen Eingaben eine deutlichere und stabilere Lokalisierung des riskanten QT-Bereichs.
Warum es wichtig ist
Ärztinnen und Ärzte könnten sich auf KI-generierte EKG-Erklärungen verlassen, die mit bekannten elektrophysiologischen Zusammenhängen übereinstimmen. Das würde das Vertrauen in automatisierte Risikobewertungen stärken.
