In Kürze

  • Forschende des Inselspitals, Universitätsspital Bern, und der Universität Bern haben zwei internationale Studien vorgestellt, die zeigen, dass KI-Modelle den Krankheitsverlauf bei zwei unterschiedlichen Herzerkrankungen präziser vorhersagen als heute etablierte Risikoscores.
  • In der ersten Studie, gestützt auf Daten von 2985 Berner Patientinnen und Patienten mit kathetergestützter Aortenklappenimplantation (TAVI), erreichte ein KI-Modell eine um 10 bis 15 Prozent höhere Prognosegenauigkeit als etablierte Risikoscores; sie erschien in The Lancet Digital Health.
  • Die zweite Studie zur Transthyretin-Amyloid-Kardiomyopathie, gestützt auf 850 Patientinnen und Patienten aus der Schweiz und Wien und extern validiert an über 1000 japanischen Patientinnen und Patienten, verbesserte die Vorhersage von Todesfällen und Hospitalisierungen um bis zu 20 Prozent gegenüber den etablierten Mayo- und NAC-Scores; sie erschien in JAMA Cardiology.

Was ist passiert?

Forschende des Inselspitals, Universitätsspital Bern, und der Universität Bern haben Anfang September 2026 zwei Studien vorgestellt, die erstmals zeigen, dass künstliche Intelligenz den Verlauf zweier sehr unterschiedlicher Herzerkrankungen präziser vorhersagen kann als heute etablierte Risikomodelle. Die erste Studie untersuchte Patientinnen und Patienten, die eine kathetergestützte Aortenklappenimplantation (TAVI) erhielten, gestützt auf Daten von 2985 Behandelten am Inselspital. Das dabei entwickelte KI-Modell erreichte eine um 10 bis 15 Prozent höhere Genauigkeit bei der Langzeitprognose als die bislang gebräuchlichen Risikoscores; die Ergebnisse erschienen in der Fachzeitschrift The Lancet Digital Health.

Die zweite Studie widmete sich der Transthyretin-Amyloid-Kardiomyopathie, einer speziellen Form der Herzmuskelerkrankung. Gestützt auf Daten von 850 Patientinnen und Patienten aus der Schweiz und Wien entwickelten die Forschenden ein Modell, das die Vorhersage von Todesfällen und Spitaleinweisungen gegenüber den etablierten Mayo- und NAC-Scores um bis zu 20 Prozent verbesserte. Um die Übertragbarkeit auf andere Bevölkerungsgruppen zu prüfen, validierte das Team das Modell zusätzlich extern an einer unabhängigen Gruppe von über 1000 Patientinnen und Patienten in Japan. Die Ergebnisse wurden in JAMA Cardiology veröffentlicht.

Warum ist das wichtig?

Etablierte Risikoscores in der Kardiologie basieren meist auf einer begrenzten Zahl klinischer Variablen und werden häufig an vergleichsweise kleinen, oft historischen Patientengruppen entwickelt. KI-Modelle können demgegenüber deutlich mehr Merkmale gleichzeitig gewichten und aus grösseren, aktuelleren Datensätzen lernen – was in beiden Berner Studien zu einer spürbar präziseren Einschätzung individueller Risiken führte. Für die behandelnden Ärztinnen und Ärzte bedeutet das die Möglichkeit, Nachsorge und Behandlung stärker auf das tatsächliche persönliche Risiko einer Patientin oder eines Patienten abzustimmen, statt sich auf grobe Risikokategorien zu verlassen.

Besonders hervorzuheben ist die externe Validierung der Amyloid-Studie an japanischen Patientendaten: Sie gilt als wichtiger Schritt, um zu belegen, dass ein an einer bestimmten Population entwickeltes KI-Modell seine Vorhersagekraft auch in einem anderen Gesundheitssystem und einer anderen Bevölkerungsgruppe behält – eine Voraussetzung, die in der KI-gestützten Medizin oft nicht erfüllt ist und international immer stärker eingefordert wird, bevor solche Modelle in die breite klinische Praxis überführt werden.

Was bedeutet das für die Schweiz?

  • Beide Studien entstanden unter Federführung des Inselspitals Bern und der Universität Bern und zeigen, dass Schweizer Universitätsspitäler bei klinisch validierter, in renommierten Fachzeitschriften publizierter KI-Forschung zu Herz-Kreislauf-Erkrankungen international mithalten – ein Pluspunkt für den Forschungs- und Medizinstandort Schweiz.
  • Weil beide KI-Modelle laut den Studienautoren bereits online zugänglich sind, könnten Ärztinnen und Ärzte auch ausserhalb des Inselspitals – etwa in anderen Schweizer Kantonsspitälern – von den präziseren Risikoeinschätzungen profitieren, sofern eine Einbindung in die jeweilige Spitalinformatik gelingt.
  • Die externe Validierung an japanischen Patientendaten liefert zugleich ein Modell dafür, wie Schweizer Forschungsgruppen die für den klinischen Einsatz zentrale Frage der Übertragbarkeit von KI-Modellen auf andere Bevölkerungsgruppen und Gesundheitssysteme wissenschaftlich fundiert beantworten können, bevor eine breitere Anwendung ausserhalb des ursprünglichen Patientenkollektivs erfolgt.

Verwendete Quellen

ad-hoc-news.de fasste die vom Inselspital und der Universität Bern vorgestellten Studien zusammen, die in The Lancet Digital Health beziehungsweise JAMA Cardiology erschienen sind; deutschesgesundheitsportal.de und medwiss.de ordneten die Ergebnisse zusätzlich ein.

Quellenstatus: 1 strukturierte Quelle · 0 von 1 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu Berner Herzforschung: KI verbessert Risikoprognosen bei zwei Herzkrankheiten um bis zu 20 Prozent?

Forschende des Inselspitals, Universitätsspital Bern, und der Universität Bern haben zwei internationale Studien vorgestellt, die zeigen, dass KI-Modelle den Krankheitsverlauf bei zwei unterschiedlichen Herzerkrankungen präziser vorhersagen als heute etablierte Risikoscores.

Warum ist diese KI-Meldung für die Schweiz relevant?

Beide Studien entstanden unter Federführung des Inselspitals Bern und der Universität Bern und zeigen, dass Schweizer Universitätsspitäler bei klinisch validierter, in renommierten Fachzeitschriften publizierter KI-Forschung zu Herz-Kreislauf-Erkrankungen international mithalten – ein Pluspunkt für den Forschungs- und Medizinstandort Schweiz.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

ad-hoc-news.de fasste die vom Inselspital und der Universität Bern vorgestellten Studien zusammen, die in The Lancet Digital Health beziehungsweise JAMA Cardiology erschienen sind; deutschesgesundheitsportal.de und medwiss.de ordneten die Ergebnisse zusätzlich ein.