Digitalisierung im Fokus der Subdisziplinen – Teil II: Bildgebung und Grundlagenwissenschaften

Zusammenfassung

Digitale Innovationen prägen kardiale Bildgebung und Grundlagenforschung, wobei technische Entwicklungen beide Disziplinen auch enger verbinden. Digitalisierung ist ein essenzieller Bestandteil der kardialen Bildgebung, der neue Möglichkeiten eröffnet – sowohl als Screening-Verfahren als auch in der Diagnostik und Therapieplanung. Dies hat jedoch auch neue Herausforderungen zur Folge, insbesondere für die Aus- und Weiterbildung von jungen Kardiolog*innen. Darüber hinaus transformiert Digitalisierung die Grundlagenwissenschaft durch elektronische Laborbücher, KI-gesteuerte (KI: künstliche Intelligenz) Vorhersage von Proteinstrukturen und Analyse von komplexen Datensätzen. Die gewonnenen Datenmengen sind enorm und erfordern effektives Datenmanagement mittels digitaler lokaler und internationaler Infrastrukturen. KI-gestützte Ansätze schaffen Schnittstellen zur Klinik. Der noch bestehende Mangel an Infrastrukturen hemmt die volle Entfaltung des Potenzials.

Abstract

Digitalization is an essential part of cardiac imaging, which enables new possibilities through continuing development and optimization of existing modalities – both as screening methods and in diagnostics and therapy planning. However, this dynamic development also implicates new challenges, especially with regard to the education of young cardiologists. Digitalization further transforms basic science through modern tools such as electronic lab notebooks, automated AI-driven prediction of protein structures, and analysis of sequencing data. The amount of generated data is enormous, steadily increasing, and requires effective data management including digital, local and international infrastructures. AI-supported approaches provide interfaces to the clinical routine. However, the lack of infrastructure is to date hindering progress.

Was ist wichtig?

• Digitalisierung in der kardialen Bildgebung ermöglicht bereits eine effizientere und breitere Nutzung der teils eingeschränkten Ressourcen.

• Durch Weiterentwicklung der vorhandenen Modalitäten, besonders unter Zuhilfenahme KI-basierter Methoden (KI: künstliche Intelligenz), ergeben sich neue Möglichkeiten im Bereich der Prävention, Diagnostik und Therapieplanung.

• Durch die Digitalisierung ergeben sich auch neue Herausforderungen. Eine adäquate Ausbildung junger Kardiolog*innen in der kardialen Bildgebung verbleibt trotz zunehmendem Einsatz von KI unumgänglich.

• Auch grundlagenwissenschaftlich transformiert und optimiert die Digitalisierung Prozesse und vereinfacht die Arbeit an der Schnittstelle zu klinischen Fragestellungen.

• Die Integration wachsender, komplexer Datenmengen stellt ein enormes Potenzial, aber auch Herausforderungen für den wissenschaftlichen Alltag dar.

Schlüsselwörter

Digitalisierung - Grundlagenwissenschaften - künstliche Intelligenz - kardiale Bildgebung

Keywords

digitalization - basic science - cardiac imaging - artificial intelligence

Publication History

Article published online:
02 June 2025

• Literatur

• 1 Vrints C, Andreotti F, Koskinas KC. et al. 2024 ESC Guidelines for the management of chronic coronary syndromes. Eur Heart J 2024; 45: 3415-3537
• 2 Kelle S, Nolden AC, Müller ML. et al. Rationale and Design of the HERZCHECK trial: Detection of Early Heart Failure Using Telemedicine and CMR in Structurally Weak Regions (NCT05122793). J Cardiovasc Magn Reson 2025; 27: 101841
• 3 Hagar MT, Soschynski M, Saffar R. et al. Accuracy of Ultrahigh-Resolution Photon-counting CT for Detecting Coronary Artery Disease in a High-Risk Population. Radiology 2023; 307: e223305
• 4 Miller RJH, Killekar A, Shanbhag A. et al. Predicting mortality from AI cardiac volumes mass and coronary calcium on chest computed tomography. Nat Commun 2024; 15: 2747
• 5 Breitbart P, Körber MI, Schächinger V. et al. Positionspapier Kardiologische Weiterbildung in Deutschland – vom Status quo zu bevorstehenden Herausforderungen und Lösungsvisionen. Kardiologie 2025; 19: 7-21
• 6 Werhahn SM, Kelle S, Fleck E. Multimodale kardiale Bildgebung. Kardiologie 2024; 18: 110-119
• 7 Hashemi D, Doeblin P, Weiss KJ. et al. Virtual cardiovascular magnetic resonance training proves feasible and effective: survey data from international participants of the CMR Academy Berlin, Germany. Eur Heart J Imaging Methods Pract 2023; 1: qyad015
• 8 Deutsche Forschungsgemeinschaft. Handling of Research Data. Accessed April 14, 2025 at: https://www.dfg.de/en/basics-topics/basics-and-principles-of-funding/research-data
• 9 Jumper J, Evans R, Pritzel A. et al. Highly accurate protein structure prediction with AlphaFold. Nature 2021; 596: 583-589
• 10 Fraser N, Brierley L, Dey G. et al. The evolving role of preprints in the dissemination of COVID-19 research and their impact on the science communication landscape. PLoS Biol 2021; 19: e3000959
• 11 Cooper G. Examining Science Education in ChatGPT: An Exploratory Study of Generative Artificial Intelligence. J Sci Educ Technol 2023; 32: 444-452
• 12 MAESTRIA. MAESTRIA H2020. Accessed April 14, 2025 at: https://maestria-h2020.com/
• 13 Khurshid S, Friedman S, Reeder C. et al. ECG-Based Deep Learning and Clinical Risk Factors to Predict Atrial Fibrillation. Circulation 2022; 145: 122-133
• 14 Asselbergs FW, Lüscher TF. Trustworthy implementation of artificial intelligence in cardiology: a roadmap of the European Society of Cardiology. Eur Heart J 2025; 46: 677-679
• 15 Wang H, Fu T, Du Y. et al. Scientific discovery in the age of artificial intelligence. Nature 2023; 620: 47-60