Bachelorarbeit aus dem Jahr 2024 im Fachbereich Medizin - Sonstiges, Note: 1, 3, Hochschule Fresenius Mü nchen (Carl Remigius Medical School), Sprache: Deutsch, Abstract: Diese Bachelorarbeit untersucht den Einsatz kü nstlicher Intelligenz (KI) zur Analyse von Elektrokardiogrammen (EKG) mit dem Ziel, Vorhofflimmern (AF) frü hzeitig und prä zise zu erkennen. AF ist eine hä ufige Herzrhythmusstö rung, die zu schwerwiegenden Komplikationen wie Schlaganfä llen fü hren kann. Traditionelle Diagnosetechniken sind zeitaufwä ndig und anfä llig fü r Fehldiagnosen, weshalb KI-basierte Lö sungen eine vielversprechende Alternative darstellen.
Der Schwerpunkt der Arbeit liegt auf der Evaluierung tragbarer Gerä te wie implantierbarer Herzmonitore (ICMs) und Smartwatches. ICMs bieten eine hohe Prä zision, sind jedoch invasiv und kostenintensiv. Smartwatches hingegen sind leicht zugä nglich und erlauben eine kontinuierliche Ü berwachung, weisen jedoch eine geringere Genauigkeit und eine hö here Anzahl falsch-positiver Ergebnisse auf.
Durch eine systematische Literaturrecherche werden verschiedene KI-Ansä tze, insbesondere maschinelles Lernen (ML) und Deep Learning (DL), untersucht. Konvolutionale neuronale Netze (CNNs) zeigen sich als besonders geeignet zur Analyse von EKG-Signalen, da sie Muster effizient erkennen und klassifizieren kö nnen.
Die Ergebnisse zeigen, dass KI-gestü tzte Systeme das Potenzial haben, die Diagnosegenauigkeit zu erhö hen und die Arbeitsbelastung von Kardiologen zu reduzieren. Dennoch bestehen Herausforderungen wie Datenschutz, ethische Fragen und die Integration in bestehende medizinische Infrastrukturen.
Die Arbeit kommt zu dem Schluss, dass tragbare KI-gestü tzte Gerä te eine wertvolle Ergä nzung zur herkö mmlichen kardiologischen Diagnostik darstellen und einen wichtigen Beitrag zur Frü herkennung und Prä vention leisten kö nnen.
