PPG-Signale ermöglichen frühzeitige Schlaganfallvorhersage im Krankenhaus

In einer wegweisenden Studie wurden kontinuierliche Photoplethysmographie‑Daten (PPG) von Patienten genutzt, die bereits im Krankenhaus unter ständiger Überwachung standen. Durch einen KI‑unterstützten Extraktionsprozess aus unstrukturierten klinischen Notizen und anschließender ärztlicher Validierung konnten präzise Zeitpunkte des Schlaganfallbeginns ermittelt werden.

Die Analyse umfasste 176 Patienten aus der MIMIC‑III‑Datenbank und 158 aus MC‑MED. Aus den vor dem Ereignis aufgezeichneten PPG‑Signalen wurden hemodynamische Merkmale extrahiert und in ein ResNet‑1D‑Modell eingespeist, das die Wahrscheinlichkeit eines bevorstehenden Schlaganfalls vorhersagen soll.

Die Ergebnisse sind beeindruckend: Auf MIMIC‑III erreichte das Modell F1‑Scores von 0,7956, 0,8759 und 0,9406 für Vorhersagen 4, 5 bzw. 6 Stunden vor dem Schlaganfall. In MC‑MED wurden ohne weitere Anpassungen sogar noch höhere Werte von 0,9256, 0,9595 und 0,9888 erzielt. Diese Zahlen belegen erstmals, dass PPG‑Signale bereits mehrere Stunden vor einem Schlaganfall aussagekräftige Hinweise liefern.

Die Studie demonstriert, dass passiv erfasste physiologische Signale ein zuverlässiges Frühwarnsystem für Schlaganfälle im Krankenhaus darstellen können und damit einen wichtigen Schritt in Richtung datenbasierter, frühzeitiger Interventionen markieren.