Rofo 2025; 197(S 01): S40
DOI: 10.1055/s-0045-1802785
Abstracts
Vortrag (Wissenschaft)
IT/Bildverarbeitung/Software

Strukturelle Veränderungen im Pankreas bei Diabetes mellitus Typ 1 und Typ 2: Korrelation mit HbA1c-Werten mittels KI-gestützter Pankreassegmentierung und Organkonfigurationsanalyse

S Egger-Hackenschmidt
1   Universitätsklinikum Erlangen, Radiologisches Institut, Erlangen
,
A Prenner
2   Department Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander- University Erlangen-Nuremberg, Germany, Erlangen
,
J Müller
2   Department Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander- University Erlangen-Nuremberg, Germany, Erlangen
,
S Arndt
3   University Hospital Erlangen, Friedrich-Alexander University Erlangen-Nuremberg, Germany, Institute of Radiology, Erlangen
,
K Türkan
3   University Hospital Erlangen, Friedrich-Alexander University Erlangen-Nuremberg, Germany, Institute of Radiology, Erlangen
,
B Kainz
2   Department Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander- University Erlangen-Nuremberg, Germany, Erlangen
,
M Uder
3   University Hospital Erlangen, Friedrich-Alexander University Erlangen-Nuremberg, Germany, Institute of Radiology, Erlangen
,
M May
3   University Hospital Erlangen, Friedrich-Alexander University Erlangen-Nuremberg, Germany, Institute of Radiology, Erlangen
› Author Affiliations
› Further Information
Also available ateRef
 
 

    Zielsetzung Diese Studie zielt darauf ab, strukturelle Veränderungen des Pankreas bei Patienten mit Diabetes mellitus Typ 1 (DM1) und Typ 2 (DM2) durch die Anwendung künstlicher Intelligenz in CT-Bildgebungen automatisch zu analysieren. Pankreatische Verfettung und Verkalkung werden in Korrelation zu HbA1c-Werten als Marker für den Krankheitsverlauf und die metabolische Kontrolle untersucht.

    Material und Methoden Die retrospektive Studie umfasst 22 Patienten mit der Diagnose DM1 oder DM2, bei denen zwischen 2019 und 2024 am Universitätsklinikum Erlangen 44 Untersuchungen durchgeführt wurden. Abdominelle CT-Scans wurden innerhalb von±3 Monaten nach der HbA1c-Messung durchgeführt, wobei Patienten mit vorheriger Pankreatitis oder Pankreasneoplasien ausgeschlossen wurden. Die Segmentierung des Pankreasvolumens erfolgte mittels eines nnU-Net-Modells, das auf einem Datensatz von 1000 CT-Bildern aus öffentlich zugänglichen Quellen trainiert wurde. Ein Python-Skript berechnete Verfettungs- und Verkalkungsscores unter Verwendung von Schwellenwerten von >300 HU für Verkalkungen und -100 bis 30 HU für Fett, ausgedrückt als Verhältnis des erkrankten zum gesamten Pankreasvolumen.

    Ergebnisse Es wurden keine signifikanten Unterschiede in der Pankreasverfettung (p=0,44) und Verkalkung (p=0,41) zwischen DM2-Patienten mit niedrigen und hohen HbA1c-Werten festgestellt. In der DM1-Gruppe zeigte sich eine starke positive Korrelation (0,81) zwischen Verkalkung und HbA1c, was darauf hindeutet, dass eine höhere Verkalkung mit einer schlechteren glykämischen Kontrolle assoziiert ist. Eine moderate Korrelation (0,67) zwischen Fett und HbA1c lässt eine beeinträchtigte Glukoseregulation bei höherem Fettgehalt erkennen, während die schwache Korrelation (0,20) zwischen Fett und Verkalkung darauf hinweist, dass jene Faktoren in dieser Gruppe unabhängig voneinander wirken.

    Schlussfolgerungen Pankreatische Verfettung und Verkalkung könnten als wertvolle opportunistische bildgebende Biomarker für den Verlauf von DM dienen. KI-basierte Werkzeuge bieten einen vielversprechenden Ansatz für eine präzise, automatisierte Evaluation und ermöglichen neue Einblicke in Risikobewertung und personalisierte Therapie bei DM-Patienten.


     

    Publication History

    Article published online:
    25 March 2025

    © 2025. Thieme. All rights reserved.

    Georg Thieme Verlag KG
    Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany