The present article reviews the state of the art of machine learning algorithms for the detection, prediction, and management of atrial fibrillation (AF), as well as of the development and evaluation of artificial intelligence (AI) in cardiology and beyond. Today, AI detects AF with a high accuracy using 12-lead or single-lead electrocardiograms or photoplethysmography. The prediction of paroxysmal or future AF currently operates at a level of precision that is too low for clinical use. Further studies are needed to determine whether patient selection for interventions may be possible with machine learning.
In diesem Beitrag wird der aktuelle Stand von Algorithmen des maschinellen Lernens zur Erkennung, Vorhersage und Behandlung von Vorhofflimmern zusammengefasst, zudem werden die Entwicklung und Prüfung von künstlicher Intelligenz in der Kardiologie und anderen Bereichen dargelegt. Nach heutigem Stand lässt sich Vorhofflimmern mithilfe künstlicher Intelligenz in 12-Kanal- oder 1‑Kanal-Elektrokardiogrammen bzw. in Photoplethysmogrammen zuverlässig erkennen. Die Vorhersage von paroxysmalem oder neu auftretendem Vorhofflimmern hat die für den klinischen Einsatz erforderliche Genauigkeit noch nicht erreicht. Weitere Studien sind notwendig, um zu untersuchen, ob auf Basis des maschinellen Lernens eine Patientenselektion für Interventionen möglich ist.
Keywords: AF; AI; Deep learning; Disease management; Machine learning; Neural networks.
© 2022. The Author(s).