Promotionsstipendien I/2026

Thema: "Machine-Learning-gestützte Identifikation von Hochrisikopatienten für Vorhofflimmern nach ESUS"

Zusammenfassung:
Im Rahmen dieses Projekts soll in enger Zusammenarbeit zwischen Neurologie und Kardiologie ein Machine-Learning-basiertes Risikomodell entwickelt werden, das ESUS-Patienten frühzeitig identifiziert, die von einem intensivierten Screening auf Vorhofflimmern besonders profitieren könnten. Obwohl etwa 20% der Patienten mit ischämischem Schlaganfall einen Zusammenhang mit Vorhofflimmern haben, gibt es bislang keinen wirklich aussagekräftigen Risikoscore, der das spätere Auftreten von Vorhofflimmern zuverlässig vorhersagt. Zentrale Hypothese ist, dass der entwickelte HRV-ML-Risikoscore den derzeit etablierten klinischen Scores nicht unterlegen ist. Aktuelle Studien weisen darauf hin, dass bestimmte HRV-Parameter in statistisch signifikanten Zusammenhang mit dem Auftreten von Vorhofflimmern stehen. Ziel ist es, durch die Einbeziehung dieser Parameter fundierte Empfehlungen für optimale Screeningmethoden zu entwickeln und in einer klinischen Pilotstudie zu testen.