Cardiovascular Diagnoses Classificator with Explainable AI (ICVD-XAI)

Kardiovaskuläre Erkrankungen zählen weltweit zu den häufigsten Todesursachen und betreffen jedes Jahr Millionen von Menschen. Eine frühzeitige Erkennung von Risiken sowie eine transparente medizinische Diagnostik sind entscheidend, um schwere Krankheitsverläufe und vorzeitige Todesfälle zu verhindern. Das Elektrokardiogramm (EKG) spielt dabei eine zentrale Rolle, da es als nichtinvasive und weit verbreitete Untersuchungsmethode wichtige Informationen über die elektrische Aktivität des Herzens liefert.

Moderne datengetriebene Verfahren – insbesondere Methoden des Machine Learning und Deep Learning – eröffnen neue Möglichkeiten, EKG-Daten automatisiert auszuwerten und klinisch relevante Muster zuverlässig zu erkennen. Gleichzeitig wird die Erklärbarkeit solcher Systeme immer wichtiger, um Vertrauen und Akzeptanz bei medizinischen Fachpersonen sicherzustellen.

Genau hier setzt unser Projekt an: Mit Interactive Cardiovascular Diagnoses Classificator with Explainable AI (ICVD-XAI) entwickeln wir ein innovatives System, das EKG-Daten nicht nur automatisch klassifiziert, sondern diese Entscheidungen auch transparent und verständlich visualisiert. Das Projekt verbindet modernste KI-Technologien mit praktischen Anforderungen der klinischen Diagnostik – für einen nachhaltigen Beitrag zu einer sichereren und nachvollziehbaren kardiovaskulären Versorgung.

Die Analyse von EKG-Signalen steht vor mehreren Herausforderungen: Die Daten sind störanfällig, variieren je nach Aufzeichnungsmethode und umfassen unterschiedliche Signalformen von 1-Kanal- bis hin zu 12-Kanal-EKGs. Trotz grosser Fortschritte moderner KI-Modelle bleibt insbesondere die geringe Erklärbarkeit vieler Verfahren ein Hindernis für ihren klinischen Einsatz. Zwar existieren bereits Methoden der „Explainable AI“ wie SHAP, LIME, GradCAM oder LRP, doch fehlt es an integrierten Systemen, die mehrere EKG-Auswertungen pro Patient erklärbar analysieren und visuell aufbereiten.

Hinzu kommt ein praktisches Problem: In vielen Fällen liegen EKG-Befunde weiterhin in Papierform vor. Die Digitalisierung dieser Ausdrucke ist bislang unzuverlässig, wie aktuelle Studien und Wettbewerbe gezeigt haben. Dadurch wird der medizinische Vergleich von EKG-Verläufen über mehrere Tage oder Behandlungsphasen hinweg erheblich erschwert.

Das Projekt Interactive Cardiovascular Diagnoses Classificator with Explainable AI (ICVD-XAI) verfolgt das Ziel, ein innovatives, interaktives Dashboard zu entwickeln, das EKG-Analysen mithilfe erklärbarer KI-Methoden transparent, verständlich und klinisch nutzbar darstellt. Dazu sollen verschiedene XAI-Ansätze wie SHAP, LIME, GradCAM oder LRP integriert werden, um diagnostische Entscheidungen nachvollziehbar zu machen. Die Kombination mehrerer EKG-Aufzeichnungen pro Patient in einem einzigen Analyse-Dashboard stellt einen weiteren innovativen Ansatz dar. Das Projekt wird in Kollaboration mit der Fachhochschule Graubünden, der Hochgebirgsklinik Davos und Cardio-Care durchgeführt. Gemeinsam sollen wissenschaftliche, technische und medizinische Kompetenzen gebündelt werden, um vertrauenswürdige KI-Systeme für den klinischen Einsatz zu entwickeln. Das Projekt leistet einen wichtigen Beitrag zur Entwicklung transparenter, klinisch einsetzbarer KI-Diagnosesysteme und stärkt zugleich die regionale Forschungs- und Gesundheitskompetenz im Kanton Graubünden. Es bildet die Grundlage für zukünftige Forschungsarbeiten in den Bereichen EKG-Digitalisierung und KI-gestützte Diagnostik.

Die bisherigen Projekte wurden ausserdem von folgenden Personen unterstützt:

• Prof. Dr. Andreas Ziegler – Scientific director und CEO, Cardio-Care
• PD Dr. med. David Niederseer – Leitender Arzt Kardiologie, Hochgebirgsklinik Davos

Beteiligte

Das Projekt wird vom Institut für Data Analysis, Artificial Intelligence, Visualization und Simulation (DAViS) umgesetzt.