Rofo 2020; 192(S 01): S29-S30
DOI: 10.1055/s-0040-1703193
Vortrag (Wissenschaft)
Herzdiagnostik/Gefäßdiagnostik
© Georg Thieme Verlag KG Stuttgart · New York

Evaluation der Genauigkeit einer auf künstlicher Intelligenz basierender Bestimmung des Diameters der thorakalen Aorta in der Computer Tomografie

S Walter
1  Universitätsklinik Tübingen Tübingen
,
R Kärgel
2  Siemens Healthineers Forchheim
,
S Faby
3  Siemens Healthineers Forchheim
,
K Nikolaou
4  Universitätsklinik Tübingen, Diagnostische und Interventionelle Radiologie, Tübingen
,
M Bongers
4  Universitätsklinik Tübingen, Diagnostische und Interventionelle Radiologie, Tübingen
› Author Affiliations
Further Information

Publication History

Publication Date:
21 April 2020 (online)

 

Zielsetzung Gefäßdiameter und Wachstumsgeschwindigkeit sind die wichtigsten Prädiktoren einer potentiell lebensbedrohlichen Ruptur bei Aortenaneurysmata. Deshalb war das Ziel, die Messgenauigkeit der thorakalen Aortendiameter in der Computertomografie (CT) durch einen auf künstlicher Intelligenz (KI) basierenden, automatisch segmentierenden Prototyp zu evaluieren.

Material und Methoden Unabhängig von Indikation und Protokoll wurden 40 konsekutive Patienten nach einer CT-Thorax (2x192-Schicht SOMATOM Force, Siemens) retrospektiv eingeschlossen. Ein computergestütztes Analysesystem segmentierte die thorakale Aorta (A.) und erhob den Diameter an 9 vorbestimmten anatomischen Lokalisationen gemäß AHA Leitlinien 2010 (Sinus valsalva, sinutubulärer Übergang, A. ascendens, proximaler Aortenbogen, zentraler Aortenbogen, proximale A. descendens, mittlere A. descendens, Hiatus aorticus und A. abdominalis). Der angewandte, voll automatische Algorithmus basiert auf einer Aortensegmentierung durch ein Deep Adversarial Image-to-Image Network sowie der Detektion von Messpunkten der Aortendurchmesser über Deep Reinforcement Learning. Jeder Messpunkt wurde von 2 unabhängigen Radiologen mit 5 und 8 Jahren Erfahrung nachgemessen. Die Datensätze wurden hierfür anonymisiert und in zufälliger Reihenfolge ausgewertet. Ausgewertet wurde die Gleichwertigkeit, sowie die Interreader-Übereinstimmung mittels intraclass correlation (ICC).

Ergebnisse Insgesamt waren 99,2% der durch den Prototyp gemessenen Parameter verwertbar. Bei lediglich 3 Patienten konnte der Diameter der A. ascendens durch die Software nicht ermittelt werden. Die erhobenen Messwerte entlang der A. thoracica zeigten keinen Unterschied zwischen dem Prototyp und den beiden Readern (p<0.05). Die Interreader-Übereinstimmung war für jede gemessene Lokalisation der Aorta exzellent (ICC ≥0.901; 95%CI: 0.687–0.969).

Schlußfolgerungen Der getestete KI-Prototyp zur automatischen Segmentierung der thorakalen Aorta in der CT zeigte eine präzise Ausmessung der Diameter entlang des thorakalen Gefäßes.