Nuklearmedizin 2024; 63(02): 86
DOI: 10.1055/s-0044-1782271
Abstracts
Leuchtturm-Sitzungen
Leuchtturm-Sitzung 1: Junge Talente

Prognose und Screening nach kardialer Amyloidose in der Knochenszintigrafie durch künstliche Intelligenz: Eine internationale, multizentrische, Tracer-übergreiffende Studie

Authors

  • C. P. Spielvogel

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • D. Haberl

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • J. Ning

    2   Medizinische Universität Wien, Christian Doppler Laboratory for Applied Metabolomics, Vienna, Austria

  • K. Kluge

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • T. Traub-Weidinger

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • T. Nakuz

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • A. Göllner

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • D. Amareller

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • M. Zhao

    3   First Xiangya Hospital at Central South University, Department of Nuclear Medicine, Changsha, China

  • X. Ma

    4   Second Xiangya Hospital at Central South University, Department of Nuclear Medicine, Changsha, China

  • R. Calabretta

    5   Medizinische Universität Wien, Department of Nuclear Medicine, Vienna, Austria

  • A. R. Haug

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • R. Sciagra

    6   University of Florence, Department of Experimental and Clinical Biomedical Sciences, Nuclear Medicine Unit, Florence, Italy

  • L. Menezes

    7   Bart's Heart Centre, Institute of Nuclear Medicine, Vienna

  • T. A. Treibel

    8   University College London, Institute of Cardiovascular Science, Vienna

  • M. Hacker

    1   Medizinische Universität Wien, Klinische Abteilung für Nuklearmedizin, Vienna, Austria

  • C. Nitsche

    9   Medizinische Universität Wien, Dept. of Medicine II, Division of Cardiology, Vienna, Austria
Further Information
Also available at
 
 

Ziel/Aim: Mit dem Aufkommen von Amyloid-gerichteten Therapien hat die Bedeutung von frühzeitiger und zuverlässiger Diagnose der kardialen Amyloidose (KA) enorm zugenommen. Der aktuelle, visuelle, diagnostische Ansatz mittels 99mTc-Szintigrafie ist birgt Variabilität und führt zu Fehldiagnosen. In dieser Studie wurde ein künstliches Intelligenz (KI)-System entwickelt, um nach KA mittels Tc-99m-Szintigrafie zu screenen.

Methodik/Methods: Miteinbezogen wurden 19401 Tc-99m-Szintigramme von 16241 Patienten aus neun Zentren in Österreich, dem Vereinigten Königreich, China und Italien. Das KI-System wurde mit Daten aus einem Zentrum entwickelt und auf den verbleibenden acht Zentren validiert. In einer Vergleichsstudie wurden die Bewertungen von KI und fünf Nuklearmedizinern gegenübergestellt. Der prognostische Wert der KI wurde mittels Cox-Regression und unter Berücksichtigung relevanter Störfaktoren ermittelt. Die Robustheit, Sicherheit und klinische Anwendbarkeit wurde durch einen medizinisch-algorithmischen Audit beurteilt.

Ergebnisse/Results: Das KI-System erreichte eine AUC von 1,000 für die österreichische Kohorte und unabhängige Validierungs-AUCs von 0,997, 0,925 und 1,000 für die Kohorten aus dem Vereinigten Königreich, China und Italien. Die KI-Vorhersagen waren prognostisch für Gesamtmortalität (HR 1,67; p<0,0001) und Herzinsuffizienz (HR 17,52; p<0,0001). Die Ergebnisse blieben nach multivariater Anpassung signifikant. Ärzte zeigten untereinander in 11% der Fälle eine Diskrepanz in der Diagnose mit einer durchschnittlichen AUC von 0,945, während das KI-System eine AUC von 0,997 erreichte. Der medizinisch-algorithmische Audit deutete auf Robustheit über Tracer, Scanner, demografische Faktoren und Zentren hin.

Schlussfolgerungen/Conclusions: Das entwickelte KI-System bietet einen standardisierten und schnellen Ansatz zur zuverlässigen Erkennung von KA-Patienten mittels 99mTc-Szintigrafie. Das KI-System kann parallel zur Bewertung durch einen Nuklearmediziner für das Screening von KA bei Patienten angewendet werden, die zur Tc-99m-Szintigrafie überwiesen werden.


Publication History

Article published online:
25 March 2024

© 2024. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany