Neues zur KI in der Kardiologie: Stand des Feldes Mitte 2026

Wohin entwickelt sich KI in der Kardiologie? So steht das Feld Mitte 2026.

KI-generiertes Symbolbild. Die Abbildung dient ausschließlich der Illustration des Themas.

⏱️ Lesezeit: ca. 6 Minuten

🧬 Das EKG lernt, Dinge zu erkennen, die es bisher nicht erkennen konnte

Zwei KI-Algorithmen von Anumana erhielten Anfang 2026 eine FDA-Freigabe (US Food and Drug Administration) für etwas, wofür ein standardmässiges 12-Kanal-EKG bisher nie validiert war: die Erkennung einer kardialen Amyloidose und einer pulmonalen Hypertonie (PH).[1]

Die kardiale Amyloidose, bei der Ablagerungen von Amyloidprotein zu einer progredienten myokardialen Versteifung und diastolischen Dysfunktion führen, wird chronisch unterdiagnostiziert; publizierte Registerdaten zeigen eine mediane diagnostische Verzögerung von über zwei Jahren, wobei viele Patientinnen und Patienten deutlich länger warten.[15] Bei der PH ist die Situation ähnlich: Die mediane Verzögerung vom Auftreten erster Symptome bis zur Diagnose beträgt zwei bis drei Jahre.[16] Beide Algorithmen markieren Patienten, bei denen weitere Abklärungen angezeigt sind, ersetzen jedoch nicht die Bildgebung, die zur Bestätigung der Diagnose erforderlich ist.

🚨 Thoraxschmerz und EKG: erkennen, was Standardkriterien übersehen

Eine Patientin oder ein Patient stellt sich mit Thoraxschmerzen vor. Das EKG zeigt keine ST-Hebung; nach Standardkriterien wirkt die Dringlichkeit geringer. Die Arterie ist jedoch verschlossen.

In einer internationalen Studie an europäischen und US-amerikanischen Zentren identifizierte ein KI-Modell verschlossene Arterien anhand routinemässiger 12-Kanal-EKGs mit einer Sensitivität von 80,6 %, verglichen mit 32,5 % unter Verwendung konventioneller STEMI-Kriterien (ST-elevation myocardial infarction).[2] Bei Patientinnen und Patienten, die als NSTEMI (non-ST-elevation myocardial infarction) eingestuft wurden, erkannte es 61 % der übersehenen Okklusionen bereits im allerersten EKG.[2] In der gesamten Studienkohorte identifizierte die KI die Diagnose im Durchschnitt drei Stunden früher als die Standardkriterien.[2]

Eine separate Studie mit 1’490 Patientinnen und Patienten mit Thoraxschmerz ohne ST-Hebung zeigte, dass die KI eine Spezifität von 99 % und einen negativen prädiktiven Wert (NPV) von 98 % erreichte. Das bedeutet: Ein positives Resultat bestätigt eine Okklusion mit hoher Sicherheit, und ein negatives Resultat bietet eine starke Entwarnung.[3]

PMcardio, das KI-EKG-Tool, das in mehreren dieser Studien verwendet wurde, ist gemäss der EU-Medizinprodukteverordnung (MDR) als Medizinprodukt der Klasse IIb CE-gekennzeichnet.[4] CE-gekennzeichnete Tools können in Schweizer Spitälern grundsätzlich eingesetzt werden, sobald die Swissmedic-Registrierung abgeschlossen ist.

⌚ Wearables gehen über Rhythmuserkennung hinaus

Consumer-Wearables zur Erkennung von Vorhofflimmern (AFib) sind seit mehreren Jahren klinisch im Einsatz; das ist nicht mehr neu. Neu ist der Umfang dessen, wofür diese Geräte inzwischen validiert werden.

Eine Studie, die an den American Heart Association (AHA) Scientific Sessions 2025 vorgestellt wurde, trainierte einen KI-Algorithmus darauf, strukturelle Herzerkrankungen zu erkennen: Vitien, Kardiomyopathien und linksventrikuläre Hypertrophie (LVH), basierend auf dem 1-Kanal-EKG einer Smartwatch. Die KI wurde anhand von über 266’000 EKGs entwickelt, die mit Echokardiogrammen gekoppelt waren, und retrospektiv bei 44’591 Erwachsenen aus kommunalen Spitälern und einer Populationskohorte validiert. In einer prospektiven Studie mit 600 Patientinnen und Patienten, die am selben Tag wie ihre Echokardiographie eine Smartwatch trugen, erkannte das System strukturelle Herzerkrankungen in 86 % der Fälle korrekt und schloss sie mit einem NPV von 99 % aus.[6] Für den Nachweis solcher Befunde ist normalerweise eine Echokardiographie erforderlich. Die Smartwatch ersetzt das Echo nicht; sie kann jedoch identifizieren, bei welchen Patientinnen und Patienten eines angezeigt ist.

Eine verwandte Studie zeigte, dass ein Foundation Model, das auf nahezu 200’000 EKG-Echokardiogramm-Paaren vortrainiert worden war, bereits mit rund 1’000 gelabelten EKGs für das Screening auf strukturelle Herzerkrankungen feinabgestimmt werden konnte. Das ist deutlich weniger als bei konventionellen Modellen und macht den Einsatz in unterschiedlichen Spitalsettings praktikabler.[7]

Kardia 12L (12-lead) ist ein portables Fünf-Elektroden-Gerät, das ausserhalb eines Spitals oder einer Klinik ein standardmässiges 12-Kanal-EKG aufzeichnet. Die zugehörige KI erhielt 2026 eine FDA-Freigabe für 39 kardiale Bestimmungen, darunter Myokardinfarkt (MI), Achsabweichungen und komplexe Arrhythmien.[8] Die Freigabe gilt nur für die USA; eine CE-Kennzeichnung oder Swissmedic-Registrierung liegt bisher nicht vor.

Die klinische Implikation ist ein verändertes Verständnis von Wearable-Daten, die Patientinnen und Patienten mitbringen. Die Frage lautet nicht mehr nur: «Ist das Vorhofflimmern?», sondern zunehmend: «Spricht diese Ableitung für etwas Strukturelles, das Bildgebung erfordert?»

🫀 Digitale Zwillinge steuern die Ablation bei ventrikulärer Tachykardie

Bei Patienten mit ventrikulärer Tachykardie (VT), die nicht auf Medikamente angesprochen hat, ist die Katheterablation der nächste Standardschritt. Bei postinfarktbedingter VT sind Rezidive jedoch häufig; konventionelle langfristige Erfolgsraten liegen bei etwa 60 %.[9]

Die TWIN-VT-Studie, 2026 im New England Journal of Medicine publiziert, untersuchte einen anderen Ansatz.[9] Vor jedem Eingriff wurde aus einem kontrastmittelverstärkten kardialen MRI (magnetic resonance imaging) ein personalisierter digitaler Zwilling des Herzens erstellt: ein computergestütztes 3D-Modell, das die individuelle Narbenverteilung und elektrische Architektur der jeweiligen Patientin oder des jeweiligen Patienten abbildete. Elektrophysiologinnen und Elektrophysiologen konnten anschliessend den Arrhythmiekreislauf simulieren und das Ablationsziel identifizieren, bevor der Eingriff begann.

Bei zehn Patienten mit postinfarktbedingter VT war die VT unmittelbar nach der Ablation bei allen zehn nicht mehr induzierbar. Nach 13 Monaten blieben acht von zehn ohne antiarrhythmische Therapie rezidivfrei.[9]

Zehn Patientinnen und Patienten sind eine kleine Machbarkeitsstudie, und die Ergebnisse verändern die klinische Praxis noch nicht im grossen Massstab. Das Konzept jedoch, einen komplexen elektrophysiologischen Eingriff vorab an einem patientenspezifischen Computermodell zu planen, steht für eine relevante Verschiebung in der Art, wie KI in den prozeduralen Bereich eintritt.

🩻 KI in der kardialen Bildgebung: Echo und CT

Echokardiographie

PanEcho ist eine KI-Software, die Klinikerinnen und Kliniker parallel zu einem standardmässigen Echokardiographie-Workflow einsetzen können: Die Sonografin oder der Sonograf erfasst die Bilder wie gewohnt, während PanEcho die Aufnahmen gleichzeitig über 18 diagnostische Aufgaben hinweg analysiert und automatisierte Messungen sowie Klassifikationen erstellt, ohne den Asquisitionsprozess zu unterbrechen.

Trainiert auf über einer Million echokardiographischer Videos und validiert an 32’265 Untersuchungen in vier internationalen Kohorten, einschliesslich Point-of-Care-Handheld-Geräten, erkannte PanEcho eine mittelschwere bis schwere linksventrikuläre (LV) systolische Dysfunktion mit einer AUC (area under the receiver operating characteristic curve) von 0,98–0,99 und eine schwere Aortenstenose mit einer AUC von bis zu 1,00.[10] Die in JAMA publizierte Arbeit gehört zu den bisher umfassendsten Validierungen eines KI-Systems für die Echokardiographie. Die Leistung im Point-of-Care-Kontext ist besonders relevant für Settings, in denen erfahrene Echokardiographierende nicht verfügbar oder überlastet sind.

Koronar-CT

KI in der koronaren CT-Angiographie (CCTA) geht inzwischen über die reine Messung arterieller Stenosen hinaus. In einem grossen internationalen Register mit über 3’500 Patientinnen und Patienten verbesserte die KI-basierte Plaque-Charakterisierung, also die Unterscheidung stabiler kalzifizierter Ablagerungen von lipidreichen Hochrisikoplaques mit höherer Rupturneigung, die Vorhersage schwerer unerwünschter kardialer Ereignisse (MACE) signifikant über konventionelle Risikoscores allein hinaus.[11] KI-unterstützte CCTA-Berichte enthalten zunehmend Plaque-Vulnerabilitäts-Scores zusätzlich zu Stenosemessungen; zu verstehen, was diese bedeuten, wird zu einer routinemässigen interpretativen Kompetenz.

KI-generiertes Symbolbild. Die Abbildung dient ausschließlich der Illustration des Themas.

🩺 Nicht alles, was glänzt, ist Gold

Eine der grössten Real-World-KI-Studien in der klinischen Praxis hat kürzlich ihre Ergebnisse publiziert. Die TRICORDER-Studie lief in 205 NHS-Hausarztpraxen im Vereinigten Königreich und umfasste über 1,5 Millionen registrierte Patientinnen und Patienten.[5] Untersucht wurde ein KI-gestütztes Stethoskop, das die Erkennung von Herzinsuffizienz und Arrhythmien verbessern sollte.

Bei Patientinnen und Patienten, die tatsächlich mit dem Gerät untersucht wurden, verdoppelte sich die Erkennung von Herzinsuffizienz nahezu, und die Identifikation von Arrhythmien verdreifachte sich im Vergleich zur Standardversorgung.[5]

Der wichtigere Befund: Die Nutzung nahm im Verlauf der Studie kontinuierlich ab. Klinikerinnen und Kliniker berichteten, dass das Gerät zusätzliche Schritte in ohnehin volle Konsultationen einfügte und nicht an bestehende Patientendokumentationssysteme angebunden war.[5]

Ein Tool, das in einem kontrollierten Protokoll gut funktioniert, aber die reale klinische Begegnung stört, hilft realen Patientinnen und Patienten nicht. Workflow-Integration ist ebenso wichtig wie diagnostische Leistung.

⚠️ Was KI in der Kardiologie weiterhin nicht belegen kann

Das meiste, was oben beschrieben wurde, wurde anhand diagnostischer Genauigkeit validiert: also daran, wie gut ein Tool eine Erkrankung erkennt. Nur sehr wenige Tools haben bisher gezeigt, dass eine bessere Erkennung auch zu besseren Patientenergebnissen führt: weniger Myokardinfarkte (MI), geringere Mortalität, bessere Lebensqualität.

Die ESC (European Society of Cardiology) formulierte diesen Punkt in ihrer Roadmap 2025 zu vertrauenswürdiger KI ausdrücklich und forderte Outcome-Evidenz, bevor solche Tools in klinische Guidelines eingebettet werden.[14] Die AHA (American Heart Association) kommt zum selben Schluss: «few artificial intelligence tools have been shown to improve cardiovascular care sufficiently to be widely adopted.»[12]

🇨🇭 Wo die Schweiz steht

Die Schweizer Aufsichtsbehörde für Medizinprodukte ist Swissmedic; sie arbeitet unabhängig vom CE-Kennzeichnungsrahmen der EU. Ein Tool, das in den USA freigegeben oder in der EU CE-gekennzeichnet ist, benötigt eine eigene Swissmedic-Registrierung, bevor es in der Schweiz eingesetzt werden kann.

Zur Vergütung: Stand Mitte 2026 wurde keine eigene TARDOC-Tarifposition für KI-erweiterte kardiale Diagnostik geschaffen.[17] Die KI-Interpretation wird über dieselben Positionen abgerechnet wie die zugrunde liegende Untersuchung: EKG, CT oder Echokardiographie. Ein eigener Vergütungspfad dürfte folgen, existiert aber noch nicht. Welche Tools an Ihrer Institution tatsächlich im Einsatz sind, erfahren Sie zuverlässiger bei Ihrer Kardiologie oder Ihrem Clinical-Informatics-Team als auf Herstellerwebsites.

📌 Kurz gesagt

• EKG-KI kann inzwischen kardiale Amyloidose und pulmonale Hypertonie markieren; beide erfordern Bildgebung zur Bestätigung, und keiner der Algorithmen ist bisher ausserhalb der USA verfügbar

• Bei Thoraxschmerz ohne ST-Hebung erkennt KI deutlich mehr Koronarokklusionen als Standard-EKG-Kriterien; CE-gekennzeichnete Tools existieren, lokal ist zu prüfen, ob sie im Einsatz sind

• Wearables gehen über die Erkennung von Vorhofflimmern hinaus und bewegen sich in Richtung Screening auf strukturelle Herzerkrankungen

• PanEcho interpretiert 18 echokardiographische Aufgaben gleichzeitig; validiert in JAMA-Grössenordnung, einschliesslich Point-of-Care-Geräten, mit direkten Implikationen für den Workflow im Echolabor

• Die durch digitale Zwillinge gesteuerte VT-Ablation zeigte bei 10 Patientinnen und Patienten einen unmittelbaren Erfolg von 100 %; frühe Machbarkeitsdaten, aber eine relevante neue Richtung für die Elektrophysiologie

• Die meiste kardiale KI wurde anhand von Erkennungsgenauigkeit validiert, nicht anhand von Patientenergebnissen; ESC und AHA haben ausdrücklich Outcome-Evidenz gefordert, bevor solche Tools in klinische Guidelines aufgenommen werden

📚 Quellen

1. Anumana. FDA clearance for ECG-AI Pulmonary Hypertension Algorithm. BusinessWire, March 27, 2026. Link — FDA clearance for ECG-AI Cardiac Amyloidosis Algorithm. BusinessWire, April 7, 2026. Link

2. Herman R et al. International evaluation of an AI-powered ECG model detecting acute coronary occlusion MI. Eur Heart J Digit Health. 2024;5(2):123–133. Link

3. Nani F. AI-enabled ECG algorithm for detection of occlusive MI in suspected ACS without ST elevation. Presented at ESC Acute CardioVascular Care 2026. ESC Press Release

4. Powerful Medical. PMcardio CE marking under EU MDR. powerfulmedical.com

5. Kelshiker M et al. TRICORDER Trial. Imperial College London. 2026. Link

6. Aminorroaya A et al. AI tool detects structural heart disease using a smartwatch. AHA Scientific Sessions 2025. AHA Newsroom — Conference abstract; citation to be updated if published in a peer-reviewed journal

7. Knight E et al. Wearable-Echo-FM: an ECG echo foundation model for 1-lead electrocardiography. Eur Heart J Digit Health. 2026;7(4):ztag049. Link

8. AliveCor. FDA Clearance: Kardia 12L ECG System, 39 Cardiac Determinations. 2026. GlobeNewswire

9. Chrispin J et al. Digital Twin–Guided Ablation for Ventricular Tachycardia. N Engl J Med. 2026. Link

10. Holste G et al. Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning. JAMA. 2025;334(4):306–318. Link

11. van Rosendael A et al. AI-Driven Quantitative CCTA in Suspected Coronary Artery Disease: CONFIRM2 Registry. JACC Adv. 2026;5(3):102618. Link

12. Khera R et al. Use of Artificial Intelligence to Improve Outcomes in Heart Disease. Circulation. 2024. Link

13. Adedinsewo DA et al. AI-guided screening for cardiomyopathies in an obstetric population: a pragmatic RCT. Nat Med. 2024;30(10):2897–2906. Link

14. Asselbergs FW et al. Trustworthy AI in cardiovascular medicine: ESC roadmap. Eur Heart J. 2025;46(8):677. Link

15. Vogel N et al. Delays in diagnosis and treatment of ATTR cardiac amyloidosis: a real-world data analysis. ESC Heart Fail. 2025. Link

16. Didden AC et al. Time to diagnosis of pulmonary hypertension and diagnostic burden. Pulm Circ. 2023. Link

17. FMH. TARDOC Tarifbrowser — online tariff catalogue. tarifeambulant.fmh.ch