Kann Künstliche Intelligenz die frühesten Anzeichen von Herzkrankheiten erkennen? Was eine große Koronar-CT-Angiographie-Studie über winzige koronare Plaques offenbart

Inhaltsverzeichnis

• Wichtige Punkte
• Warum diese Forschung wichtig ist: Das Problem der frühen Atherosklerose
• Studienmethoden: Wie die Forschung durchgeführt wurde
• Wichtige Ergebnisse: Was mit den kleinen Plaques geschah
• Die Rolle von Statinen bei Plaque-Veränderungen
• Klinische Implikationen: Was dies für Patienten bedeutet
• Studienlimitierungen: Was diese Forschung nicht beweisen konnte
• Empfehlungen: Umsetzbare Ratschläge für Patienten
• Häufig gestellte Fragen
• Quelleninformationen

Wichtige Punkte

• In einer Studie mit 99 Patienten erkannte AI-QCT winzige koronare Plaques, die menschliche Leser oft übersehen.
• 87 % der kleinen Plaques blieben nach etwa 3,8 Jahren an derselben Stelle in den Nachfolgeuntersuchungen bestehen.
• Das mediane Plaquevolumen bei persistierenden Plaques verdreifachte sich von 7,1 mm³ auf 18,9 mm³.
• Statine erhöhten die Verkalkung der Plaques, was möglicherweise weiche Plaques stabilisiert, verringerte jedoch nicht das Gesamtvolumen.
• Es wurden keine klinischen Ergebnisse verfolgt; größere Studien sind erforderlich, um die Ergebnisse zu bestätigen.

Warum diese Forschung wichtig ist: Das Problem der frühen Atherosklerose

Atherosklerose — die Ansammlung von fetthaltigem Plaque in den Arterienwänden — bleibt weltweit die führende Ursache für kardiovaskuläre Todesfälle. Die koronare Herzkrankheit (CAD) allein betrifft fast 200 Millionen Menschen weltweit und verursacht jedes Jahr mehr als 9 Millionen Todesfälle. Sie trägt auch zu etwa 182 Millionen disability-adjusted life years bei, einem Maß für das durch Krankheit und Behinderung verlorene gesunde Leben.

Die Nachrichten sind nicht ausschließlich schlecht. Frühere Rückgänge bei Herzkrankheiten-Todesfällen waren eine Erfolgsgeschichte der öffentlichen Gesundheit. Doch diese Gewinne werden nun durch steigende Raten von Fettleibigkeit und Diabetes bedroht, die die Entwicklung der Atherosklerose vorantreiben.

Eine der wichtigsten Entdeckungen in der Kardiologie der jüngeren Vergangenheit ist, dass Sie nicht an einer stark verengten Arterie leiden müssen, um einem Risiko ausgesetzt zu sein. Studien haben überzeugend gezeigt, dass nicht-obstruktiver Plaque — Plaque, der die Arterie um weniger als 50 % verengt — eine wichtige Rolle bei der Entstehung von Herzinfarkten und kardiovaskulären Todesfällen spielt. Im Durchschnitt haben Patienten mit nicht-obstruktiver CAD eine 8-mal höhere jährliche Ereignisrate im Vergleich zu Patienten, die überhaupt keine koronare Atherosklerose aufweisen. Selbst nach Anpassung an andere Risikofaktoren liegt die Hazard Ratio für schwerwiegende unerwünschte kardiovaskuläre Ereignisse zwischen 1,5 und 7,2, wenn Patienten mit nicht-obstruktiver CAD mit solchen ohne CAD verglichen werden. Das bedeutet, dass solche Patienten ein um 50 % bis über das Siebenfache höheres Risiko haben, einen Herzinfarkt, Schlaganfall oder Herztod zu erleiden.

Doch eine entscheidende Frage ist unbeantwortet geblieben: Gilt dieses Risiko auch für extrem kleine Plaques, die in der Bildgebung kaum sichtbar sind? Und gibt es ein Volumenschwellenwert, unterhalb dessen das Risiko noch nicht zu steigen beginnt?

Es gab ein großes Hindernis bei der Beantwortung dieser Fragen. Kleine, nicht-kalkhaltige Plaques sind für menschliche Leser in der Koronar-CT-Angiographie (CCTA) berüchtigt schwer zu erkennen. Sie können dem um die Herzkranzgefäße liegenden Weichgewebe, anderen Weichgewebestrukturen oder einfach Bildrauschen und Artefakten zum Verwechseln ähnlich sehen. Aufgrund dieser Unsicherheit werden solche winzigen Plaques häufig überhaupt nicht berichtet.

Hier kommt künstliche Intelligenz ins Spiel. Eine neue Technologie namens atherosclerosis imaging quantitative computed tomography (AI-QCT) nutzt maschinelles Lernen, um Plaque im gesamten Koronargefäßsystem automatisch zu erkennen, zu vermessen und zu charakterisieren. In der klinischen Praxis identifiziert AI-QCT häufig kleine Plaques, die menschliche Leser übersehen. Bevor jedoch von KI erkannte winzige Plaques zur Steuerung der Patientenversorgung genutzt werden können, mussten Forscher verifizieren, dass diese Erkennungen echte Atherosklerose und nicht nur Software-Artefakte darstellen.

Studienmethoden: Wie die Forschung durchgeführt wurde

Die Forscher wandten sich der PARADIGM-Studie (Progression of Atherosclerotic Plaque Determined by Computed Tomographic Angiography Imaging) zu, einem großen internationalen Register, das 2.252 Patienten aus 7 Ländern und 13 verschiedenen Standorten einschloss. Alle Teilnehmer unterzogen sich seriellen (wiederholten) CCTA-Scans bei bekannter oder verdächtiger koronarer Herzkrankheit. Die Patienten wurden zwischen 2003 und 2015 eingeschlossen.

Für diese spezifische Analyse beschränkte das Forschungsteam die Aufnahme auf die ersten 99 Patienten, die in der Kohorte eine CCTA durchliefen. Diese Zahl wurde bewusst als Machbarkeitsstudie gewählt, ohne formelle statistische Power-Analyse für ein bestimmtes Ergebnis. Zwei weitere Patienten wurden gescreent, aber ausgeschlossen, da sie keine qualifizierenden kleinen Plaques aufwiesen.

Jeder Patient unterzog sich einer Baseline-Scan (CCTA-1) und einem Follow-up-Scan (CCTA-2), die mindestens 2 Jahre auseinander lagen. Die Scans wurden gemäß den Richtlinien der Society of Cardiovascular Computed Tomography durchgeführt, wobei Scanner mit 64-Detektor-Reihen oder neueren Geräten mit Einzel- oder Dual-Source-Technologie verwendet wurden.

Die Schlüsselinnovation lag in der Art und Weise, wie die Scans analysiert wurden. Eine kommerziell verfügbare, FDA-zugelassene KI-Software (Cleerly Lab, Cleerly, Denver, CO) führte eine automatisierte Analyse mit validierten Modellen für Faltungsneuronale Netze durch. Das KI-System automatisch:

• Segmentierte die Herzkranzgefäße
• Identifizierte Gefäß- und Lumen-Konturen
• Kennzeichnete jedes Koronarsegment
• Berechnete den Prozentsatz der Durchmesserstenose
• Charakterisierte Plaques nach Typ

Plaques wurden unter Verwendung von Hounsfield-Einheiten (HU) Dichtemessungen klassifiziert, einer Skala, die quantifiziert, wie dicht ein Gewebe auf CT erscheint:

• Kalkhaltiger Plaque: Dichte größer als 350 HU
• Nicht-kalkhaltiger Plaque: Dichte zwischen 30 und 350 HU
• Niedrigdichter nicht-kalkhaltiger Plaque: Dichte weniger als 30 HU

Wichtig ist, dass alle KI-Ausgaben von einem erfahrenen Leser der Stufe III — dem höchsten Niveau der CCTA-Zertifizierung — überprüft wurden, der nicht wusste, ob es sich bei jedem Scan um die Basis- oder die Follow-up-Untersuchung handelte. Diese Verblindung war ein entscheidendes Gestaltungselement, um Verzerrungen zu vermeiden.

Kleine Plaques wurden als solche mit einem gesamten Plaquevolumen von 0,1 bis 50 mm³ definiert. Zum Vergleich: 50 mm³ entspricht etwa der Größe eines kleinen Reiskorns.

Die Forscher untersuchten drei spezifische Fragen:

1. Welcher Anteil der auf dem Basisscan identifizierten kleinen Plaques war auch am selben Ort im Follow-up-Scan vorhanden? Dies lieferte ein Maß für die Zuverlässigkeit der Software — Plaques, die am selben Ort bestanden, repräsentieren wahrscheinlich echte Atherosklerose, während diejenigen, die verschwunden sind, entweder eine echte Regression oder eine falsch-positive Detektion im ersten Scan darstellen könnten.
2. Welche Merkmale weisen kleine Plaques auf, einschließlich ihrer verkalkten, nicht-verkalkten und niedrigdichten nicht-verkalkten Komponenten?
3. Welche Merkmale sind mit dem Fortschreiten kleiner Plaques im Laufe der Zeit verbunden?

Die statistische Analyse war gründlich. Das Team verwendete Student's t-Tests und Mann-Whitney-U-Tests für kontinuierliche Daten, Wilcoxon-Vorzeichen-Rang-Tests für gepaarte CCTA-Merkmale sowie Chi-Quadrat- oder Fisher-exakte Tests für kategoriale Daten. Für die Modellierung, welche Plaques verschwanden versus bestanden, wurde eine logistische Regression verwendet, und zur Bewertung der Auswirkungen einer Statin-Therapie auf Plaquevolumenveränderungen wurde eine lineare Regression eingesetzt. Alle Tests waren zweiseitig, wobei statistische Signifikanz als p-Werte unter 0,05 definiert war.

Wichtige Ergebnisse: Was geschah mit den kleinen Plaques?

Insgesamt wurden 99 Patienten mit 502 kleinen Plaques in die Analyse einbezogen. Die Merkmale der Teilnehmer zeichnen das Bild einer typischen, mittelmäßigen, risikobehafteten Population im mittleren Alter:

• Medianes Alter: 61 Jahre (Interquartilsabstand 54–67)
• Männliches Geschlecht: 63 %
• Arterielle Hypertonie: 55,6 %
• Aktuelles oder früheres Rauchen: 40,4 %
• Familienanamnese koronare Herzkrankheit: 33,4 %
• Hypercholesterinämie (hoher Cholesterinspiegel): 31,3 %
• Diabetes: 12,1 %
• Body-Mass-Index (BMI): Median 25,2 kg/m² (23,9–27,6)
• Statin-Einnahme zum Zeitpunkt der Basisuntersuchung: 44,4 %

Zum Zeitpunkt des Basisscans betrug das gesamte Plaquevolumen im Median 6,8 mm³ (Interquartilsabstand 3,5–13,9 mm³). Der überwiegende Teil davon bestand aus nicht-verkalktem Plaque, mit einem medianen nicht-verkalkten Volumen von 6,2 mm³ (2,9–12,3 mm³). Das verkalkte Plaquevolumen war bei den meisten Patienten praktisch null.

Die mittlere Zeit zwischen dem Basisscan und dem Follow-up-Scan betrug 3,8 ± 1,6 Jahre. Was mit diesen winzigen Plaques in diesem Zeitraum geschah, ist die zentrale Erkenntnis der Studie:

Befund #1: 87 % der kleinen Plaques blieben an derselben Stelle bestehen.

Bei der Nachuntersuchung befanden sich 437 von 502 Plaques (87 %) exakt an derselben Stelle wie im Baseline-Scan. Von diesen persistierenden Plaques waren 72 % größer geworden, während 15 % an Volumen verloren hatten.

Befund #2: Das Volumen kleiner Plaques verdreifachte sich in etwa 4 Jahren.

Bei den persistierenden Plaques stieg das mediane Gesamtplaquevolumen drastisch von 7,1 mm³ (IQR 3,8–15,4 mm³) im Baseline-Scan auf 18,9 mm³ (IQR 8,3–45,2 mm³) bei der Nachuntersuchung an. Das entspricht einer fast 3-fachen Zunahme. Der nicht-kalkhaltige Anteil wuchs von 6,7 mm³ auf 13,8 mm³, und das Volumen des kalkhaltigen Plaques stieg von 0 mm³ auf 2,5 mm³. Auch die Stenose des Durchmessers (der prozentuale Verschluss der Arterie) erhöhte sich von einem Medianwert von 6 % auf 13 %.

Befund #3: Kleinere Plaques waren weniger wahrscheinlich persistierend.

Plaques mit einem Volumen unter 2 mm³ im Baseline-Scan blieben nur in 41 von 62 Fällen (66 %) bestehen. Im Gegensatz dazu blieben Plaques, die im Baseline-Scan größer als 2 mm³ waren, in 395 von 439 Fällen (90 %) erhalten. Dies deutet darauf hin, dass extrem kleine Plaques schwieriger vom Bildrauschen zu unterscheiden sind; dennoch wurden bei zwei Dritteln dieser Fälle echte Atherosklerose bestätigt.

Befund #4: Plaques, die "verschwanden", wiesen charakteristische Merkmale auf.

Die 65 Plaques (13 %), die im Baseline-Scan sichtbar waren, bei der Nachuntersuchung jedoch nicht mehr gefunden wurden, unterschieden sich signifikant von den persistierenden Plaques (alle p-Werte < 0,05):

• Geringeres Gesamtplaquevolumen: 3,9 mm³ vs. 7,0 mm³
• Kürzere Plaque-Länge: 4,5 mm vs. 6,0 mm
• Weiter distale Lage (weiter entfernt von der Arterienöffnung): 21,8 mm vs. 12,6 mm vom Ostium entfernt
• Geringere Wahrscheinlichkeit eines kalkhaltigen Anteils
• Geringerer Schweregrad der Durchmessersenose: 3 % vs. 6 %

Interessanterweise sagten keine patientenbezogenen Faktoren — Alter, Geschlecht, arterielle Hypertonie, Raucheranamnese, BMI, Familienanamnese, Hypercholesterinämie, Diabetes oder die Einnahme von Statinen im Baseline-Scan — vorher, ob ein Plaque bestehen bleiben oder verschwinden würde. Ebenso hatten scannerbezogene Parameter (Hersteller, Röhrenstromstärke, Röhrenspannung) keinen Einfluss. Im multivariablen Modell blieb nur das geringere Gesamtplaquevolumen unabhängig prädiktiv für das Fehlen eines Plaques bei der Nachuntersuchung.

Die Rolle von Statinen bei Plaque-Veränderungen

Die Einnahme von Statinen nahm während des Studienzeitraums signifikant zu. Im Baseline-Scan nahmen 48 % der Patienten Statine ein. Bis zur Nachuntersuchung war diese Zahl auf 68 % gestiegen (p < 0,001).

Von 429 kleinen Plaques mit verfügbaren Statin-Daten traten 145 Plaques (33,8 %) bei Patienten auf, die zum Zeitpunkt der Nach-CTA weiterhin keine Statine einnahmen.

Die Forscher verglichen die Plaque-Volumina zwischen Statin-Anwendern und Nicht-Anwendern bei der Nachuntersuchung:

• Gesamtplaquevolumen: 19,4 mm³ bei Statin-Anwendern vs. 18,15 mm³ bei Nicht-Anwendern — nicht statistisch signifikant (p = 0,21)
• Volumen des nicht-kalkhaltigen Plaques: 12,8 mm³ vs. 14,35 mm³ — nicht signifikant (p = 0,68)
• Calcifiziertes Plaquevolumen: 3,9 mm³ bei Statin-Nutzern vs. 0,2 mm³ bei Nicht-Nutzern — hochsignifikant (p < 0,001)

Dieses Ergebnis stimmt mit einem gut etablierten biologischen Effekt von Statinen überein: Sie stabilisieren Plaques, indem sie die Verkalkung fördern. Eine wachsende Zahl von Studien zeigt, dass eine Statintherapie den Kalziumgehalt atherosklerotischer Plaques erhöht, was paradoxerweise dazu führt, dass die Plaques stärker verkalkt, aber weniger gefährlich werden. Die Tatsache, dass Statin-Nutzer ein signifikant höheres calcifiziertes Plaquevolumen aufwiesen, untermauert die Schlussfolgerung, dass die Befunde der KI-QCT echte biologische Atherosklerose und keine Bildgebungsartefakte darstellen.

In der Regressionsanalyse war die Statin-Nutzung zum Zeitpunkt der Nachuntersuchung signifikant mit Veränderungen des calcifizierten Plaquevolumens assoziiert (p < 0,001), jedoch nicht mit Veränderungen des gesamten Plaquevolumens (p = 0,30), des nicht-calcifizierten Plaquevolumens (p = 0,70) oder des Plaquevolumens mit niedriger Dichte und nicht-calcifiziert (p = 0,68).

Klinische Implikationen: Was das für Patienten bedeutet

Diese Studie enthält mehrere wichtige Botschaften für Patienten und deren Ärzte.

Erstens kann KI echte Atherosklerose in bemerkenswert frühen Stadien erkennen. Die Tatsache, dass 87 % der kleinen Plaques, die von der KI-QCT identifiziert wurden, Jahre später an derselben Stelle bestätigt wurden — und oft erheblich wuchsen — zeigt, dass diese winzigen Befunde echte Erkrankungen darstellen und keine Softwarefehler. Für Patienten bedeutet dies, dass KI-unterstützte CT-Scans Herzerkrankungen möglicherweise Jahre oder sogar Jahrzehnte vor dem Auftreten von Symptomen identifizieren können.

Zweitens sind sehr kleine Plaques nicht „harmlos“ — sie neigen dazu, zu wachsen. Der Befund, dass das mediane Plaquevolumen über einen Durchschnitt von 3,8 Jahren verdreifacht wurde, ist eine starke Erinnerung daran, dass Atherosklerose eine fortschreitende Erkrankung ist. Eine Plaque, die als 7 mm³ großer Fleck beginnt, kann innerhalb weniger Jahre zu einer 19 mm³ großen Plaque werden. Obwohl diese Studie keine klinischen Endpunkte verfolgte, zeigt die breitere Literatur, dass das gesamte Plaquevolumen der wichtigste unabhängige Prädiktor für schwere kardiovaskuläre Ereignisse ist.

Drittens scheinen Statine die Zusammensetzung der Plaques zu verändern, selbst wenn sie diese nicht verkleinern. Das signifikant höhere calcifizierte Plaquevolumen bei Statin-Nutzern deutet darauf hin, dass diese Medikamente dabei helfen, gefährliche weiche Plaques in stabiler calcifizierte Plaques umzuwandeln. Dies stimmt mit der Vorstellung von Kardiologen über Statine überein: Sie stabilisieren die „tickenden Zeitbomben“-Plaques, die am ehesten reißen und Herzinfarkte verursachen.

Die Studie unterstreicht auch einen breiteren Trend in der präventiven Kardiologie. Vorherige Forschungsergebnisse in einer Kohorte von fast 24.000 symptomatischen Patienten, die sich einer kardialen CT-Untersuchung unterzogen hatten, zeigten, dass eine obstructive koronare Herzkrankheit nicht mit einem höheren Risiko assoziiert war als nicht-obstructive Plaques, wenn die Patienten nach dem gesamten calcifizierten Plaquevolumen stratifiziert wurden. Mit anderen Worten: Es geht nicht nur darum, ob eine Arterie verstopft ist — sondern darum, wie viel Plaque Sie in Ihrem gesamten Koronargefäßsystem haben. Aktuelle Daten deuten auch darauf hin, dass selbst kleine Plaquevolumina (>0–250 mm³) die 10-Jahres-Inzidenz schwerer kardiovaskulärer Ereignisse im Vergleich zu keinem Plaque erhöhen.

Studienlimitierungen: Was diese Forschung nicht beweisen konnte

Es ist wichtig zu verstehen, was diese Studie nicht zeigen konnte.

Die Stichprobengröße war klein. Es wurden nur 99 Patienten eingeschlossen, und dies wurde ausdrücklich als Machbarkeitsstudie ohne formale statistische Power-Berechnung für spezifische Endpunkte konzipiert. Größere Studien werden erforderlich sein, um diese Ergebnisse zu bestätigen.

Keine klinischen Endpunkte wurden verfolgt. Die Studie maß das Plaquewachstum in der Bildgebung, nicht Herzinfarkte, Schlaganfälle oder Todesfälle. Obwohl Plaque-Wachstum ein gut etablierter Surrogatmarker für das Risiko ist, beweist die Studie nicht direkt, dass KI-erkannte kleine Plaques zukünftige klinische Ereignisse vorhersagen.

Die Frage des „Goldstandards“ bleibt bestehen. Derzeit gibt es keinen nicht-invasiven Goldstandard zur Unterscheidung echter kleiner Plaques von Bildgebungsartefakten. Die Forscher verwendeten die Follow-up-CCTA als Referenz — mit der Begründung, dass eine Plaque, die Jahre später an derselben Stelle vorhanden ist, zu Beginn real gewesen sein muss. Dies ist ein cleverer Ansatz, kann jedoch nicht vollständig zwischen echter Plaque-Regression und falsch-positiver Detektion im Baseline-Scan für die 13 % der Plaques unterscheiden, die verschwunden sind.

Die Variabilität menschlicher Leser ist eine bekannte Herausforderung. In dieser Arbeit zitierte vorherige Forschung ergab, dass der Kappa-Koeffizient — ein statistisches Maß für die Übereinstimmung der Leser — bei der intraobserveren Übereinstimmung nur 0,52 (95 %-KI 0,49–0,55) und bei der interobserveren Übereinstimmung 0,46 (95 %-KI 0,43–0,49) betrug, wenn CCTA als keine Erkrankung, mild, moderat oder schwer eingestuft wurde. Die Autoren weisen darauf hin, dass die Übereinstimmung bei der Unterscheidung kleiner Plaques von keiner Plaque wahrscheinlich noch geringer wäre, was den potenziellen Wert einer KI-Unterstützung unterstreicht.

Die Studienpopulation repräsentiert möglicherweise nicht alle Patienten. Die Teilnehmer wurden aus 7 Ländern rekrutiert, waren jedoch überwiegend mittelalt, und die Geschlechterverteilung betrug 63 % Männer. Die Ergebnisse können bei jüngeren Patienten, Frauen oder diverseren Bevölkerungsgruppen abweichen.

Empfehlungen: Umsetzbare Ratschläge für Patienten

Basierend auf dieser Forschung und der breiteren medizinischen Literatur sind hier praktische Schritte, die Patienten in Erwägung ziehen können:

1. Kennen Sie Ihr Plaquevolumen, nicht nur Ihre Cholesterinwerte. Wenn Sie Risikofaktoren für Herzerkrankungen haben, sprechen Sie mit Ihrem Arzt darüber, ob eine Koronar-CT-Angiographie oder ein Koronarkalk-Score für Sie angemessen ist. Die Gesamtmenge an Plaque in Ihren Herzkranzgefäßen ist ein starker Prädiktor für das Risiko.
2. Verwerfen Sie „milde“ Befunde nicht. Wenn ein CT-Scan nicht-obstructive Plaques oder sogar sehr kleine Plaques zeigt, ist dies kein gesundes Ergebnis. Die Daten sind klar: Selbst nicht-obstructive Plaques erhöhen Ihr Risiko für einen Herzinfarkt im Vergleich zu keinem Plaque.
3. Besprechen Sie eine Statintherapie, wenn Ihr Arzt dies empfiehlt. Diese Studie unterstreicht, dass Statine die Plaque-Zusammensetzung auf günstige Weise verändern — sie erhöhen den Kalziumgehalt und stabilisieren gefährliche weiche Plaques — selbst wenn sie das Gesamtplaquevolumen nicht drastisch reduzieren. Die Entscheidung für den Beginn einer Statintherapie sollte individuell getroffen werden, doch Patienten mit nachgewiesenen koronaren Plaques sind oft hervorragende Kandidaten.
4. Adressieren Sie alle modifizierbaren Risikofaktoren. In dieser Studie hatten 55,6 % der Teilnehmer eine arterielle Hypertonie, 40,4 % eine Rauchgeschichte und 31,3 % hohe Cholesterinwerte. Die Kontrolle des Blutdrucks, das Rauchen aufzuhören, die Cholesterinwerte zu managen, ein gesundes Körpergewicht zu halten und Diabetes unter Kontrolle zu bringen, bleiben die Grundpfeiler zur Verhinderung des Fortschreitens der Atherosklerose.
5. Fragen Sie nach KI-gestützter Bildgebung. Wenn Sie sich einer kardialen CT-Untersuchung unterziehen, fragen Sie, ob eine KI-basierte Plaque-Analyse verfügbar ist. Diese Studie legt nahe, dass KI-Software sehr kleine Plaques erkennen kann, die menschliche Leser möglicherweise übersehen, und so ein vollständigeres Bild Ihres kardiovaskulären Risikos liefert.
6. Denken Sie daran, dass die Früherkennung die Tür zur Prävention öffnet. Die Tatsache, dass kleine Plaques zuverlässig erkannt werden können — und dass sie im Laufe der Zeit wachsen — bedeutet, dass es ein Window of Opportunity gibt, um durch Lebensstiländerungen und Medikamente einzugreifen, bevor die Plaques umfangreich werden.

Die Kernaussage ist hoffnungsvoll. Die Fähigkeit, Atherosklerose in ihren frühesten Stadien zu erkennen, wenn eine Plaque nur wenige Kubikmillimeter groß ist, stellt einen echten Fortschritt in der präventiven Kardiologie dar. Mit Werkzeugen wie AI-QCT könnten Ärzte bald in der Lage sein, Patienten mit Risiko Jahren früher zu identifizieren als zuvor möglich — und mit Statinen, Lebensstiländerungen und Risikofaktorkontrolle einzugreifen, während die Krankheit noch in ihren Anfängen steht.

Häufig gestellte Fragen

Was ist AI-QCT und wie erkennt es kleine koronare Plaques?

AI-QCT (atherosclerosis imaging quantitative computed tomography) ist eine von der FDA zugelassene KI-Software, die Plaques in den gesamten Koronararterien automatisch erkennt, misst und charakterisiert. In einer Machbarkeitsstudie mit 99 Patienten identifizierte sie winzige Plaques, die so klein sein können wie ein Bruchteil eines Kubikmillimeters, die menschliche Leser oft übersehen. Alle Ergebnisse wurden von einem Level-III-Leser verifiziert.

Sind sehr kleine koronare Plaques gefährlich oder wahrscheinlich zu wachsen?

In einer Studie mit 99 Patienten, die etwa 3,8 Jahre lang beobachtet wurden, blieben 87 % der kleinen Plaques an derselben Stelle bestehen, und unter den persistierenden Plaques wuchs 72 % größer. Das mediane Plaquevolumen verdreifachte sich von 7,1 mm³ auf 18,9 mm³. Dies zeigt, dass selbst extrem kleine Plaques im Laufe der Zeit tendenziell fortschreiten.

Sollte ich meinen Arzt um einen KI-gestützten Koronar-CT-Scan bitten?

Wenn Sie Risikofaktoren für Herzerkrankungen haben, sprechen Sie mit Ihrem Arzt darüber, ob eine Koronar-CT oder ein Kalziumscore angemessen ist. Diese Studie legt nahe, dass KI-basierte Analysen sehr kleine Plaques erkennen können, die menschliche Leser möglicherweise übersehen, und so ein vollständigeres Bild des Risikos liefert. Die Entscheidung sollte jedoch individuell getroffen werden.

Was sind die Grenzen dieser Studie zur KI-Plaque-Erkennung?

Dies war eine kleine Machbarkeitsstudie mit nur 99 Patienten, und es wurden keine klinischen Ergebnisse wie Herzinfarkte verfolgt. Der Referenzstandard war ein Follow-up-CT, kein Goldstandard. Die Ergebnisse können bei jüngeren Patienten, Frauen oder diverseren Bevölkerungsgruppen abweichen, sodass größere Studien erforderlich sind, um die Befunde zu bestätigen.

Mein CT-Scan hat winzige koronare Plaques gefunden, die mein Arzt für zu unbedeutend hält. Sollte ich eine zweite Meinung zu KI-erkannten kleinen koronaren Plaques einholen?

Eine zweite Meinung kann wertvoll sein, da gezeigt wurde, dass selbst sehr kleine Plaques, so klein wie ein Bruchteil eines Kubikmillimeters, im Laufe der Zeit bestehen bleiben und wachsen. In einer Studie mit 99 Patienten blieben 87 % der kleinen Plaques nach etwa 3,8 Jahren an derselben Stelle, und ihr Volumen verdreifachte sich. Dies deutet darauf hin, dass winzige Plaques eine frühe Atherosklerose darstellen könnten und kein harmloser Befund sind. Eine zweite Meinung kann helfen, die Bildinterpretation zu bestätigen und zu klären, ob ein aggressiveres Risikofaktormanagement oder eine Überwachung angemessen ist. Diagnostic Detectives Network bietet unabhängige Experten-Zweitmeinungen an.

Quelleninformationen

Dieser patientenfreundliche Artikel basiert auf einer in der Journal of Cardiovascular Computed Tomography, Band 17 (2023), Seiten 407–412, veröffentlichten, peer-reviewed Forschung.

Original article title: How early can atherosclerosis be detected by coronary CT angiography - Cleerly James Min

Authors: Rhanderson Cardoso, Andrew D. Choi, Arthur Shiyovich, Stephanie A. Besser, James K. Min, James Earls, Daniele Andreini, Mouaz H. Al-Mallah, Matthew J. Budoff, Filippo Cademartiri, Kavitha Chinnaiyan, Jung Hyun Choi, Eun Ju Chun, Edoardo Conte, Ilan Gottlieb, Martin Hadamitzky, Yong-Jin Kim, Byoung Kwon Lee, Jonathon A. Leipsic, Erica Maffei, Hugo Marques, Pedro de Araújo Gonçalves, Gianluca Pontone, Sang-Eun Lee, Ji Min Sung, Renu Virmani, Habib Samady, Fay Y. Lin, Peter H. Stone, Daniel S. Berman, Jagat Narula, Leslee J. Shaw, Jeroen J. Bax, Hyuk-Jae Chang, and Ron Blankstein

DOI: 10.1016/j.jcct.2023.08.012

Funding and disclosures: Several authors are affiliated with Cleerly Inc., the company that manufactures the AI-QCT software used in this study. The research was an open-access article published under the CC BY-NC-ND license. This patient summary was created by a medical writer and is intended for educational purposes only. It does not constitute medical advice. Patients should discuss their individual cardiovascular risk and treatment options with their healthcare provider.