Phantomics × Severance stellen Deep-Learning-Modell zur Vorhersage künftiger kardialer Ereignisse vor

Phantomics hat in Zusammenarbeit mit Prof. Jin Hur (Abteilung für Radiologie, Severance Hospital) und Prof. Jin-Young Kim (Keimyung University Dongsan Hospital) ein Deep-Learning-Modell entwickelt, das die koronare Herzkrankheit (KHK) in der CT-Angiographie nicht nur erkennt, sondern auch künftige kardiale Ereignisse vorhersagt.
Datensatz: 408 Patienten aus der Notaufnahme (drei Universitätskliniken der Maximalversorgung, 2018–2022)
Methode: Ein Deep-Learning-Netzwerk erkennt Koronarstenosen automatisch und ordnet sie drei Gruppen zu – normal, nicht-obstruktiv (< 50 % Einengung) und obstruktiv (≥ 50 %).
Ergebnisse: Während einer durchschnittlichen Nachbeobachtung von 2,5 Jahren traten bei Patienten mit obstruktiver KHK in 38,8 % der Fälle schwere kardiale Ereignisse auf, gegenüber 0,6 % bei Normalbefunden.
Die Ergänzung der traditionellen Risikofaktoren um den KI-ermittelten Obstruktionsstatus verbesserte die prognostische Genauigkeit um 14 %.
Bedeutung: Ermöglicht eine schnelle KHK-Diagnose und langfristige Risikostratifizierung direkt am Behandlungsort und verschlankt die Entscheidungsfindung in der Notfallversorgung.
Publikation: Radiology: Artificial Intelligence (19. Mai 2025).
Diese Arbeit zeigt, wie sich KI über die Bildinterpretation hinaus zu einem umfassenden Werkzeug für die klinische Entscheidungsunterstützung entwickeln kann.
Zugehörige Publikation: Predicting Major Adverse Cardiac Events Using Deep Learning–based Coronary Artery Disease Analysis at CT Angiography