Ungeprüfte ÜbersetzungDie Deutsche Übersetzung dieses Eintrags wurde nicht fachlich geprüft und kann vom Original abweichen. Akronym, vollständiger Titel und Zitat bleiben stets in der Originalsprache.Originalpublikation öffnen ↗

TRICORDER

Triple Cardiovascular Disease Detection with an Artificial Intelligence-Enabled Stethoscope (TRICORDER) in the UK: a Cluster-Randomised Controlled Implementation Trial

Patient / Population Intervention / Exposition Vergleich Endpunkt

Bei 1,55 Millionen Patienten in 205 Primärversorgungspraxen, verbesserten ein KI-gestütztes Stethoskop in der Routineversorgung die Detektion neu diagnostizierter Herzinsuffizienz über 12 Monate verglichen mit der Routineversorgung nicht.

N
1.553.175Patienten
Design
Pragmatische Cluster-randomisierte Implementierungsstudie, britische Primärversorgung (205 Praxen)
Endpunkt
Inzidenz jeder neu kodierten Herzinsuffizienz-Diagnose pro 1.000 Patientenjahre (IRR); koprimär: Detektion stratifiziert nach ambulanter vs. stationärer Diagnose
Relevanz
1Praxisdefinierend — die Studie, auf der die Leitlinie ruht.
ErgebnisHerzinsuffizienz-Detektion IRR 0,94 (95 %-KI 0,86–1,02) in der Intention-to-treat-Analyse, ohne Unterschied bei ambulant oder stationär gestellten Diagnosen (p>0,05); die Interventionspraxen verzeichneten 12.725 KI-Stethoskop-Untersuchungen durch 972 klinische Nutzer.
Kelshiker MA, et al. Lancet. 2026;407(10529):704-715. 10.1016/S0140-6736(25)02156-7
Diskussion & Kritik

Die größte randomisierte Implementierungsstudie eines KI-Diagnostikgeräts, und eine negative: Trotz zugelassener Algorithmen für reduzierte Ejektionsfraktion, VHF und Klappenerkrankungen stieg die Herzinsuffizienz-Detektion auf Praxisebene in 12 Monaten nicht. Die Nutzung war das Problem — 12.725 Untersuchungen bei einer registrierten Population von über 700.000 — und die Nutzung selbst war unabhängig mit einer höheren Detektion von Herzinsuffizienz, VHF und Klappenerkrankungen assoziiert, der Adoptionsmechanismus, den EAGLE und Rushlow offengelegt hatten. Naturgemäß unverblindet; die Lehre ist, dass die Implementierung und nicht die Genauigkeit der geschwindigkeitsbestimmende Schritt für KI in der Primärversorgung ist.