KI hilft, Herzkrankheiten genauer vorherzusagen: Was Berner Forschung über gute Entscheidungen zeigt

TLDR: Zwei Berner Studien zeigen: KI-Modelle sagen den Verlauf von Herzkrankheiten bis zu 20 Prozent präziser voraus als etablierte Risikoscores. Der Fortschritt liegt nicht in der reinen Genauigkeit, sondern darin, dass die Systeme erstmals mit dem Einzelfall statt mit Durchschnittswerten rechnen. Für Entscheider:innen ausserhalb der Medizin liegt darin eine Lektion, die weit über die Kardiologie hinausreicht.

Durchschnittswerte sind die Schwachstelle, nicht fehlendes Wissen

Klassische Risikomodelle in der Medizin scheitern selten an fehlendem Wissen. Sie scheitern daran, dass sie mit Durchschnittswerten rechnen, während jede Patientin und jeder Patient ein Einzelfall ist. Ein Risikoscore, der auf tausenden Fällen basiert, sagt etwas über die Gruppe. Er sagt wenig darüber, ob die konkrete Person vor einem zu den zehn Prozent gehört, bei denen die Regel nicht greift. Genau an diesem Punkt setzen zwei Studien des Inselspitals Bern und der Universität Bern an, die kürzlich in «The Lancet Digital Health» und «JAMA Cardiology» erschienen sind.

Wie aus mehr Variablen mehr Urteilskraft wird

Der Unterschied zwischen «mehr Daten» und «besser kombinierten Daten» ist entscheidend. Die Berner Modelle wurden nicht einfach mit grösseren Datenmengen trainiert. Sie kombinieren klinische Untersuchungsbefunde, Laborwerte und Bildgebung zu einem gemeinsamen Risikoprofil, das für jede Person einzeln gewichtet wird, statt sie in eine vorgegebene Risikogruppe einzuordnen. Der entscheidende Unterschied liegt darin, dass Unsicherheit dadurch nicht verschwindet, sondern präziser verortet wird: Man weiss genauer, für wen der Durchschnitt gilt und für wen nicht.

Zwei Krankheitsbilder, ein wiederkehrendes Resultat

Die erste Studie untersuchte Patient:innen mit hochgradiger Aortenklappenverengung, die eine kathetergestützte Klappenimplantation (TAVI) erhielten. Grundlage waren die Daten von knapp 3000 Patient:innen aus Bern, anschliessend wurde das Modell an einer unabhängigen Gruppe von mehr als 1000 Patient:innen in Japan extern validiert. Die Genauigkeit der Langzeitprognose verbesserte sich gegenüber etablierten Risikoscores um rund 10 bis 15 Prozent.

Die zweite Studie betraf die Transthyretin-Amyloidose, eine seltene Erkrankung, bei der sich fehlgefaltete Eiweisse im Herzmuskel ablagern. Hier basierte das Modell auf Daten von 850 Patient:innen, und die Vorhersagegenauigkeit verbesserte sich um bis zu 20 Prozent. Zwei strukturell völlig verschiedene Krankheitsbilder, ein identisches Resultat: Individualisierung schlägt Durchschnitt, sobald genug relevante Variablen gleichzeitig verrechnet werden. Beide Werkzeuge stehen der Fachwelt bereits kostenlos online zur Verfügung, bevor sie im klinischen Alltag getestet werden.

Was das für Entscheidungen ausserhalb der Medizin bedeutet

Ein Modell, das schneller rechnet, ist noch keine bessere Entscheidung. Erst wenn es sichtbar macht, wofür der Durchschnitt gerade nicht gilt, verändert sich die Qualität der Entscheidung selbst. Studienleiter Christoph Gräni bringt das auf den Punkt, wenn er betont, dass die Modelle helfen, individuelle Unterschiede zuverlässiger zu erkennen und die Behandlung entsprechend anzupassen, die KI aber ärztliche Entscheidungen unterstützt und nicht ersetzt.

Dieselbe Logik gehört in jeden Bereich, in dem heute mit Scoring-Modellen gearbeitet wird: Kreditvergabe, Personalplanung, Lieferantenrisiko, Preisstrategie. Auch dort gilt meist ein Durchschnittsmodell für alle, obwohl die eigentlich interessante Frage lautet, für wen dieser Durchschnitt gerade nicht zutrifft. Die Technologie verschiebt dabei nicht die Verantwortung, sie verschiebt die Sichtbarkeit. Was vorher im Durchschnitt unterging, wird Teil der Grundlage, auf der eine Führungskraft entscheidet. Die Verantwortung für die Entscheidung selbst bleibt dort, wo sie immer war.

Gute KI macht das Risiko nicht kleiner. Sie macht sichtbar, für wen der Durchschnitt gar nicht gilt.

Die wichtigsten Punkte zum Schluss

• Zwei Berner Studien verbessern die Langzeitprognose bei zwei unterschiedlichen Herzkrankheiten um 10 bis 20 Prozent gegenüber etablierten Risikoscores.
• Der Fortschritt entsteht durch die individualisierte Kombination von Klinik-, Labor- und Bilddaten statt Gruppendurchschnitten, nicht durch mehr Rechenleistung.
• Beide Modelle wurden extern validiert, unter anderem an über 1000 Patient:innen in Japan.
• Die Werkzeuge sind bereits kostenlos für Fachkreise online zugänglich, bevor die Integration in den klinischen Alltag folgt.
• Der Studienleiter betont ausdrücklich: KI unterstützt ärztliche Entscheidungen, ersetzt sie aber nicht.
• Individualisierte statt durchschnittsbasierte Risikoeinschätzung lässt sich direkt auf Scoring-Modelle in Wirtschaft und Führung übertragen.

Disclaimer

Dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Gemini.Google.com) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt aus KI-generierter Bildgebung (Ideogram/Adobe Firefly). Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.

Und darum bin ich nach wie vor überzeugt: Die Zukunft gehört nicht mehr dem Tippen und Klicken, sondern dem gemAInsamen Arbeiten mit intelligenten Systemen, die sichtbar machen, was der Durchschnitt bisher verdeckt hat. Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne www.rogerbasler.ch

Quellen und weitere Informationen

Ad-hoc-news.de. (2026, September). Herzdiagnose: KI steigert Vorhersagegenauigkeit um bis zu 20%. https://www.ad-hoc-news.de/wissenschaft/herzdiagnose-ki-steigert-vorhersagegenauigkeit-um-bis-zu-20-percent/70053143

Bernasconi, C. (2026, September 2). KI hilft, Herzkrankheiten genauer vorherzusagen. SRF Wissen. https://www.srf.ch/wissen

Deutsches Gesundheitsportal. (2026, August 31). KI präzisiert Risikoprognosen bei Herzerkrankungen. https://www.deutschesgesundheitsportal.de/2026/08/31/ki-praezisiert-risikoprognosen-bei-herzerkrankungen/

Universität Bern & Insel Gruppe, Media Relations. (2026). Medienmitteilungen 2026. https://mediarelations.unibe.ch/medienmitteilungen/2026/index_ger.html