Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
Review
. 2024 Jun;35(2):104-110.
doi: 10.1007/s00399-024-00997-0. Epub 2024 Feb 15.

[Artificial intelligence-enhanced electrocardiography : Will it revolutionize diagnosis and management of our patients?]

[Article in German]
Wilhelm Haverkamp  1 , Nils Strodthoff  2
Affiliations
Review

[Artificial intelligence-enhanced electrocardiography : Will it revolutionize diagnosis and management of our patients?]

[Article in German]
Wilhelm Haverkamp et al. Herzschrittmacherther Elektrophysiol. 2024 Jun.

Abstract
in English, German

The use of artificial intelligence (AI) in healthcare has made significant progress in the last 10 years. Many experts believe that utilization of AI technologies, especially deep learning, will bring about drastic changes in how physicians understand, diagnose, and treat diseases. One aspect of this development is AI-enhanced electrocardiography (ECG) analysis. It involves not only optimizing the traditional ECG analysis by the physician and improving the accuracy of automatic interpretation by the ECG device but also introducing entirely new diagnostic options enabled by AI. Examples include assessing left ventricular function, predicting atrial fibrillation, and diagnosing both cardiac and noncardiac conditions. Through AI, the ECG becomes a comprehensive tool for screening, diagnosis, and patient management, potentially revolutionizing clinical practices. This paper provides an overview of the current state of this development, discusses existing limitations, and explores the challenges that may arise for healthcare professionals in this context.

Der Einsatz von künstlicher Intelligenz (KI) im Gesundheitswesen hat in den letzten 10 Jahren große Fortschritte gemacht. Viele Experten gehen davon aus, dass die Nutzung von KI-Technologien, insbesondere von Deep Learning, drastische Veränderungen in der Art und Weise mit sich bringen wird, wie Ärzte Krankheiten verstehen, diagnostizieren und behandeln. Ein Aspekt dieser Entwicklung ist die KI-verstärkte EKG-Analyse. Dabei geht es nicht nur um die Optimierung der klassischen EKG-Analyse durch Ärzte und die Verbesserung der Genauigkeit der automatischen Auswertung durch das EKG-Gerät, sondern um ganz neue diagnostische Optionen, die sich mit Hilfe von KI eröffnen, wie z. B. die Beurteilung der linksventrikulären Funktion, die Vorhersage von Vorhofflimmern und die Diagnostik kardialer und nichtkardialer Krankheitsbilder. Durch KI wird das EKG zu einem umfassenden Instrument für Screening, Diagnostik und Management von Patienten. Sie könnte das Vorgehen im klinischen Alltag revolutionieren. Die vorliegende Arbeit fasst den aktuellen Stand dieser Entwicklung zusammen, diskutiert die bestehenden Limitationen und erörtert die Herausforderungen, die sich in diesem Zusammenhang für Ärzte ergeben.

Keywords: Deep learning; Diagnostics; Electrocardiogram; Machine learning; Supervised learning.

PubMed Disclaimer

Similar articles

See all similar articles

Cited by

  • [eCardiology in cardiac electrophysiology].
    Duncker D, Linz D. Duncker D, et al. Herzschrittmacherther Elektrophysiol. 2024 Jun;35(2):95-96. doi: 10.1007/s00399-024-01024-y. Epub 2024 May 16. Herzschrittmacherther Elektrophysiol. 2024. PMID: 38755469 German. No abstract available.

References

Literatur

    1. Ahn JC, Attia ZI, Rattan P et al (2022) Development of the AI-cirrhosis-ECG score: an electrocardiogram-based deep learning model in cirrhosis. Am J Gastroenterol 117:424–432 - DOI - PubMed - PMC
    1. Anumana. anumana receives U.S. FDA 510(k) clearance for ECG-AI algorithm to detect low ejection fraction. https://www.biospace.com/article/releases/anumana-receives-u-s-fda-510-k... . Zugegriffen: 16. Dez. 2023
    1. Attia ZI, Noseworthy PA, Lopez-Jimenez F (2019) An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet 394:861–867 - DOI - PubMed
    1. Attia ZI, Friedman PA, Noseworthy PA et al (2019) Age and sex estimation using artificial intelligence from standard 12-lead ECGs. Circ Arrhythm Electrophysiol 12:e7284 - DOI - PubMed - PMC
    1. Attia ZI, Kapa S, Lopez-Jimenez F et al (2019) Screening for cardiac contractile dysfunction using an artificial intelligence-enabled electrocardiogram. Nat Med 25:70–74 - DOI - PubMed

LinkOut - more resources