Quantitative CT-Biomarker als Prädiktoren für Krankheitsprogression und Überleben bei Systemischer Sklerose

Zielsetzung Die Systemische Sklerose (SSc) ist eine komplexe entzündliche Vaskulopathie mit variabler Krankheitsprogression. Ein CT Thorax wird bei allen Patienten zur Evaluation einer interstitiellen Lungenerkrankung empfohlen. Über diese Indikation hinaus erlaubt es KI-gestützte „Body Composition“ Analyse (BCA) hochstandardisierte, quantitative Biomarker zu extrahieren. Diese Studie untersucht die Prognosekraft der BCA hinsichtlich Überleben und Krankheitskomplikationen bei SSc.

Material und Methoden CT-Daten wurden aus einer prospektiv geführten Kohorte von 452 SSc-Patienten erhoben, darunter 128 Patienten mit mindestens einem CT-Scan, von diesen hatten 35 Patienten Verlaufsuntersuchungen (Ø Verlauf 36,5±4,5 Monate). Ein KI-basierter 3D-BCA-Algorithmus extrahierte Muskelvolumen, Volumina verschiedener Fettgewebekompartimente und die Knochendichte. Diese Parameter wurden in der Baseline- und den Verlaufsuntersuchungen im Kontext von Krankheitskomplikationen, klinischer, laborchemischer und funktioneller Parameter ausgewertet. Die Überlebensprognose erfolgte durch Regressionsanalyse, in der Modelle auf Basis von BCA-, BMI- und klinischen Parametern verglichen wurden.

Ergebnisse Das BCA-Modell zeigte eine höhere Vorhersagegenauigkeit für das Überleben im Vergleich zu BMI- und Modellen mit klinischen Parametern (BCA Area under the Curve (AUC)=0,74, BMI AUC=0,49, klinische Parameter AUC=0,53). Die Integration longitudinaler BCA Daten erhöhte die AUC auf 0,82. Veränderungen von BCA-Parametern zeigten signifikant erhöhte Odds Ratios für Komplikationen wie akrale Ulzera, interstitielle Lungenerkrankungen und kardiale Manifestationen auf (p<0,05).

Schlussfolgerungen Die Ergebnisse dieser Studie verdeutlichen, dass quantitative BCA-Biomarker etablierte Parameter in der Prognose von Überleben und spezifischen Krankheitsmanifestationen übertreffen. Dies kann zu einer personalisierten und verbesserten Patientenversorgung beitragen, welche gerade im Kontext der hochvariablen Krankheitsprogression der SSc von besonderer Bedeutung ist.

Publication History

Article published online:
25 March 2025