KI News: Kurz und klar.

Die präzise Abbildung des linken Vorhofs (LA) aus Herz-MRT‑Scans ist entscheidend für die Planung von Ablationsverfahren bei Vorhofflimmern und für die Erstellung biophysikalischer Herzmodelle. Traditionell erfordert die manuelle Segmentierung viel Zeit, ist von Beobachter zu Beobachter unterschiedlich und eignet sich daher nicht für groß angelegte oder zeitkritische klinische Abläufe.

Ein neues Deep‑Learning‑System aus dem Open‑Source‑Repository arXiv (Version 2508.19361v1) kann das Vorhofflimmern (AF) bereits bis zu zwei Stunden vor dem eigentlichen Auftreten vorhersagen. Das Modell nutzt ausschließlich die RR‑Intervalle aus der Herzfrequenz, wodurch die Datenmenge stark reduziert wird.

In einer neuen Veröffentlichung auf arXiv wird das CoFE‑Framework vorgestellt, das Gegenfaktische EKG‑Signale erzeugt, um die Entscheidungsprozesse von KI‑Modellen für Herz‑EKG‑Diagnosen transparent zu machen. Durch gezielte Änderungen an Amplituden und Intervallen lassen sich die wichtigsten Einflussfaktoren der Modelle sichtbar machen.