Universitäts-Herzzentrum Freiburg • Bad Krozingen

Die Arbeitsgruppe KI@Kardiologie widmet sich der translationalen Forschung in der kardialen Funktionsdiagnostik und Bildgebung. Im Zentrum steht derzeit die KI-gestützte Analyse von EKG-Daten.

Klinisch besitzt das EKG als breit verfügbare, kosteneffiziente und nicht-invasive Methode einen zentralen Stellenwert in der kardialen Basisdiagnostik. Wissenschaftlich verstehen wir das EKG als „Fingerabdruck“ des Herzens – als skalierbare, bislang unvollständig erschlossene Informationsquelle mit erheblichem diagnostischem Potenzial, das weit über seine Rolle als Routineinstrument hinausgeht.

Zentrales Ziel unserer Arbeit ist die Entwicklung einer maßgeschneiderten, KI-basierten Lösung zur Detektion kardiovaskulärer Biomarker und Risikofaktoren aus EKG-Daten. Auf Grundlage von Safe Intelligence und Explainable AI entwickeln wir ein sicheres, robustes und verlässliches Modell, das nicht nur unter idealen Bedingungen leistungsfähig ist, sondern auch Unsicherheiten und Einschränkungen im klinischen Alltag im Sinne eines Real-World-Ansatzes berücksichtigt und bewältigt.

Mit unseren Forschungsarbeiten verfolgen wir das Ziel, bestehende Screening-Methoden substantiell zu verbessern und neue Maßstäbe in der effektiven Früherkennung sowie Risikoreduktion kardiovaskulärer Erkrankungen zu setzen.

Im laufenden Projekt besteht eine partnerschaftliche Kooperation mit dem Fraunhofer IKS. 

Wir danken der Hector Stiftung für die wertvolle Unterstützung unserer Arbeit. 

The AI@Cardiology research group is dedicated to translational research in cardiac functional diagnostics and imaging, with a current focus on AI-driven analysis of ECG data.

Clinically, the ECG holds a central role in basic cardiac diagnostics as a widely available, cost-effective, and non-invasive modality. From a scientific perspective, we regard the ECG as the “fingerprint” of the heart— a scalable and yet incompletely explored source of information with substantial diagnostic potential far beyond its traditional use as a routine tool.

The core objective of our work is the development of a tailored AI-based solution for the detection of cardiovascular biomarkers and risk factors directly from ECG data. Guided by principles of Safe Intelligence and Explainable AI, we aim to build secure, robust, and reliable models that perform not only under ideal conditions but also address uncertainty and real-world constraints inherent to clinical practice.

Through our research, we strive to substantially enhance current screening strategies and to set new standards in early detection and risk reduction of cardiovascular disease, ultimately contributing to precision medicine and more efficient patient care.

In the ongoing project, we maintain a collaborative partnership with Fraunhofer IKS.

We extend our sincere thanks to the Hector Foundation for their valuable support of our work.