Maschinelles Lernen schlägt klassische Risikobewertung bei der koronaren Herzkrankheit

Die koronare CT-Angiografie hat sich für die Risikostratifizierung von Patienten mit einer koronaren Herzerkrankung bewährt. Die qualitative und quantitative Beurteilung von Plaques und Stenosen ermöglicht zusammen mit weiteren klinischen Daten eine relativ gute Vorhersage des kardiovaskulären Risikos. Die Studienautoren verglichen die langfristige Aussagekraft dieser konventionellen Vorgehensweise mit der Performanz eines cCTA-Modells, das auf maschinellem Lernen beruhte.

Publication History

Article published online:
16 September 2021

• Literatur

• 1 Victor RG, Haley RW, Willett DL. et al. The Dallas Heart Study: a population- based probability sample for the multidisciplinary study of ethnic differences in cardiovascular health. Am J Cardiol 2004; 93: 1473-1480
• 2 Tesche C, Plank F, De Cecco CN. et al. Prognostic implications of coronary CT angiography-derived quantitative markers for the prediction of major adverse cardiac events. J Cardiovasc Comput Tomogr 2016; 10: 458-465
• 3 Motoyama S, Kondo T, Sarai M. et al. Multislice computed tomographic characteristics of coronary lesions in acute coronary syndromes. J Am Coll Cardiol 2007; 50: 319-326
• 4 Baumann S, Kaeder F, Schoepf UJ. et al Prognostic Value of Coronary Computed Tomography Angiography-derived Morphologic and Quantitative Plaque Markers Using Semiautomated Plaque Software. J Thorac Imaging 2021; 36: 108-115 . PMID: 32251234
• 5 Velangi PS, Maharaj V, Athwal SS. et al Computed Tomography Coronary Plaque Characteristics Predict Ischemia Detected by Invasive Fractional Flow Reserve. J Thorac Imaging 2020; . Epub ahead of print. PMID: 32701769