Rofo 2023; 195(S 01): S15-S16
DOI: 10.1055/s-0043-1762979
Abstracts
Vortrag (Wissenschaft)
Gefäßdiagnostik

Deep Learning-basierte Quantifizierung der Aorten-Makroangiopathie verbessert die Vorhersage der kardiovaskulären Mortalität im National Lung Screening Trial (NLST)

Authors

    Raghu
  • A Rau

    1   Universitätsklinikum Freiburg, Klinik für Neuroradiologie, Freiburg
  • B Wilhelm

    2   Medizinphysik, Universitätsklinikum Freiburg, Freiburg
  • L Michel

    3   Radiologie, Universitätsklinikum Freiburg, Freiburg
  • M Reisert

    3   Radiologie, Universitätsklinikum Freiburg, Freiburg
  • S Albarqouni

    5   Helmholtz AI, Helmholtz Zentrum, München
  • F Bamberg

    3   Radiologie, Universitätsklinikum Freiburg, Freiburg
  • J Weiß

    3   Radiologie, Universitätsklinikum Freiburg, Freiburg
 
 

    Zielsetzung Der maximale Aortendurchmesser wird aktuell zur Beurteilung von kardiovaskulären Veränderungen verwendet; die Quantifizierung von weiteren makroangiopathischen Veränderungen ist möglich, jedoch arbeitsintensiv. Ziel der Studie ist die Evaluation automatisiert erhobener Parameter makroangiopathischer Veränderungen der Aorta.

    Material und Methoden Wir haben ein tiefes neuronales Patchwork zur Segmentierung der Aorta in CTs der National Lung Screening Trial verwendet, um makroangiopathische Merkmale der Aorta zu quantifizieren: maximaler Durchmesser (mm), Volumen (cm3) und Verkalkungen (ml; angegeben in Quartilen). Der primäre Endpunkt war die CV-Mortalität. Zudem, wurde der Zusammenhang zwischen makroangiopathischen Merkmalen und der kardiovaskulären Mortalität untersucht.

    Ergebnisse Bei 22.904 Teilnehmern (Durchschnittsalter 61,4±50 Jahre; 59,1% männlich) gab es 1,7% (392/22.904) kardiovaskuläre Todesfälle während einer Nachbeobachtungszeit von 6,6±1,1 Jahren. Aortenvolumen und Verkalkungen hatten einen signifikant höheren Vorhersagewert für die kardiovaskuläre Mortalität als der maximale Durchmesser (p≤0,002). In der univariablen Analyse gab es signifikante Zusammenhänge zwischen allen makroangiopathischen Merkmalen und der kardiovaskulären Mortalität: maximaler Durchmesser (HR: 1,03; p<0. 001), Volumen (HR: 1,00; p<0,001) und Verkalkungen (HR 2. Quartil: 1,76; 3. Quartil: 2,29; 4. Quartil: 3,61; alle p≤0,002). In multivariablen Modellen, blieben das Volumen (aHR: 1,00; p=0,04) und das 3./4. Quartil der Verkalkungen signifikant mit der CV-Mortalität assoziiert (HR 3. Quartil: 1,45; 4. Quartil: 1,99; p≤0,04), während die Assoziation für den maximalen Durchmesser abgeschwächt war.

    Schlussfolgerungen Die Deep Learning- basierte Quantifizierung des Aortenvolumens und der Verkalkungen sind unabhängige Prädiktoren bei starken Rauchern, die an einer Lungenkrebs-Screeningstudie teilnehmen, für die kardiovaskuläre Mortalität, die über den Maximaldurchmesser und die traditionellen kardiovaskulären Risikofaktoren hinausgehen.


    Publication History

    Article published online:
    13 April 2023

    © 2023. Thieme. All rights reserved.

    Georg Thieme Verlag
    Rüdigerstraße 14, 70469 Stuttgart, Germany