Die Rhythmologie ist aufgrund ihrer großen Datenmengen prädestiniert für den Einsatz künstlicher Intelligenz (KI). Hierbei sei auf „supervised learning“ zu setzen, so Prof. Dr. med. Thomas Arentz (Bad Krozingen).
Zwar konnte die KI der Mayo Clinic (USA) z. B. 2021 durch „unsupervised learning“ aus einem normalen Sinusrhythmus neben Vorhofflimmern auch das Alter, Geschlecht, Blutfarbstoff und Kaliumwerte einer Person aus den EKG-Daten ableiten. Und in 2019 hatte die Klinik schon demonstriert, dass KI mittels Deep Learning die Pumpleistung des linken Herzens mit einem statistischen AUC-Wert von 0,93 erkennen kann, womit sie menschlichen Fähigkeiten überlegen ist. Es stellt sich jedoch das Problem, dass selbst Spezialisten und Spezialistinnen nicht erklären können, wie diese Vorhersagen zustande kommen (Black Box).
Die Ergebnisse einer durch „supervised learning“ trainierten KI sind dagegen wegen der Transparenz der Lernmethoden besser nachvollziehbar – allerdings ist sie dann auch nicht besser als die Kardiologinnen und Kardiologen. Aber die Erklärbarkeit schafft Sicherheit und Vertrauen bezüglich der Behandlungen, die sich aus diesen Ergebnissen ableiten – auch bei den Erkrankten. Letztlich habe KI in der Rhythmologie großes Potenzial, Diagnose- und Behandlungsprozesse zu verbessern, schloss Arentz.