Potential künstlicher Intelligenz zur computertomographischen Verlaufsbeurteilung von Koronarstenosen

Abstract-Text (inkl. Referenzen und Bildunterschriften)

Hintergrund

Die koronare CT-Angiographie (cCTA) gewinnt in der Primärdiagnostik der Koronaren Herzkrankheit (KHK) an Bedeutung und stellt bei vielen Patienten die Methode der Wahl zum Nachweis von Koronarstenosen dar. Bei einer wachsenden Anzahl von Patienten kann daher die KHK bereits in frühen Stadien detektiert und eine medikamentöse Therapie begonnen werden. Die Evaluation des Therapieansprechens ist mittels cCTA möglich, wobei der direkt Bildvergleich arbeitsintensiv und untersucherabhängig ist. Der Einsatz Künstlicher Intelligenz (KI) zur Verlaufsbeurteilung wird in dieser Pilotstudie untersucht.

Methoden

Es wurden 41 Patienten (30 Männer, 11 Frauen, 62,8±7,2 Jahre), die aus klinischer Indikation eine Verlaufsuntersuchung erhielten, in die Analyse eingeschlossen. Von jedem Datensatz wurde eine Rekonstruktion mit adäquater Bildqualität ausgewählt und diese mittels eines KI-Prototypen analysiert. Koronarsegmente mit sichtbaren Artefakten oder einem Durchmesser <2mm wurden ausgeschlossen. Als Referenz diente der Konsensusbefund zweier erfahrener Untersucher.

Ergebnisse

Der initiale CAD-RADS Wert betrug 3 (2,0–3,0) und der kombinierte Wert aus beiden Untersuchungen (n=82) wies eine gute Übereinstimmung (ICC 0,88 (95% CI 0,82-0,92)) zwischen KI und Referenz mit einer maximalen Differenz von 1 auf. Nach 2,2±0,7 Jahren war der CAD-RADS Wert bei 36 Patienten stabil und bei 5 zunehmend. Die Übereinstimmung zwischen KI und Referenz in der Verlaufsbeurteilung war moderat (ICC 0,71 (95% CI 0,45-0,84)) mit einer maximalen Differenz von 1.

Zusammenfassung

Die Verwendung von KI zur Verlaufsbeurteilung von Koronarstenosen in der cCTA weist ein großes Potential auf. Bis zu einem Einsatz in der klinischen Routine sind Weiterentwicklungen wie eine Verbesserung der Artefakterkennung erforderlich.