Herzerkrankungen stellen weltweit eine große gesundheitliche Belastung dar und sind die häufigste Todesursache in Deutschland. Bei Vorhofflimmern (VF) ist die Behandlung oft unzureichend, da die zugrunde liegenden Krankheitsmechanismen, die einen Schlaganfall verursachen, nicht ausreichend bekannt sind. Atriale Kardiomyopathie führt zu VF und es wird vermutet, dass diese anstelle von VF für das erhöhte Schlaganfallrisiko verantwortlich ist.
Die Untersuchung des Zusammenhangs zwischen atrialer Kardiomyopathie und Schlaganfallereignissen könnte zu neuen Therapieansätzen führen und dadurch das Schlaganfallrisiko verringern. Studien von Jadidi et al. zeigten das Potenzial der amplifizierten  P-Wellen-Dauer im EKG als Prädiktor für atriale Kardiomyopathie. Ziel ist es daher, die automatische Erkennung und Berechnung von P-Wellen-Parametern im EKG zu entwickeln. Hierfür werden klinische Daten des Universitäts-Herzzentrums Bad Krozingen sowie Algorithmen des maschinellen Lernens genutzt.
Zusätzlich zu den klinischen Daten werden synthetische Daten eingesetzt, um den Einfluss der Elektrodenpositionen zu analysieren und die optimale Platzierung der Elektroden für die P-Welle zu bestimmen. Eine klinische Validierung der Vorhersage von atrialer Kardiomyopathie unter Verwendung dieser optimalen Elektrodenposition wird mit invasive gemessenenAktivierungszeiten und atrialen elektroanatomischen Maps als Ground Truth durchgeführt.

Ein weiteres Projekt im Rahmen dieser Promotion umfasst die Entwicklung und Anwendung von Algorithmen aus dem maschinellen Lernen auf einem umfangreichen Datensatz mit über 1.000.000 digitalen EKGs und zusätzlichen Patientendaten, die im Universitäts-Herzzentrum Bad Krozingen aufgezeichnet wurden. Ziel ist es, Herz-Kreislauf-Erkrankungen vorherzusagen.