Clin Res Cardiol (2023). https://doi.org/10.1007/s00392-023-02180-w

Die PROGRESS Studie integriert Patientendaten mit Koronarmorphologie mit der Hilfe von Künstlicher Intelligenz (KI)

H. Nording1, A. Constantz2, H. Langer3, J. Erdmann4, PROGRESS , für die Studiengruppen: DZHK

1Medizinische Klinik II / Kardiologie, Angiologie, Intensivmedizin, Universitätsklinikum Schleswig-Holstein, Lübeck; 2Cardioimmunology reasearch group, University of Lübeck, Lübeck; 3Abteilung für Herz- Kreislaufforschung, Medizinische Fakultät Mannheim der Universität Heidelberg, Mannheim; 4Universitätsklinikum Schleswig-Holstein, Lübeck;

Die koronare Herzkrankheit (KHK) stellt weltweit eine große Belastung für Patient*innen und Gesundheitssysteme dar. Häufig passt sich die Zirkulation durch kollaterale Arterienbildung an, was zu einem signifikant verbesserten Überleben beispielsweise bei Herzinfarkten führt. Daher stellt die rechtzeitige Bestimmung des koronaren Kollateralzirkulation-Profils einen entscheidenden Faktor in der Präzisionsmedizin der KHK dar. Die Entwicklung der koronaren Kollateralzirkulation (CCC) wird jedoch von den traditionellen KHK-Risikofaktoren nicht gut vorhergesagt. Darüber hinaus zeigen sich in der CCC-Forschung noch immer vielfältige Inkonsistenzen, die vor allem auf die Schwierigkeit zurückzuführen sind, die CCC genau und reproduzierbar zu quantifizieren. Um dies zu addressieren, wurde das transeuropäische Konsortium PROGRESS (PRecisiOn medicine in CAD patients: artificial intelliGence for integRated gEnomic, functional and anatomical aSSessment of the coronary collateral circulation) gegründet. Das Ziel ist die Entwicklung eines AI/ML/DL-basierten Bildanalysesystems für eine genauere, reproduzierbare und automatisierte post-hoc anatomische und funktionelle Beurteilung des koronaren Kollateralkreislaufs von Patient*innen (z.B. Berechnung des virtuellen Kollateralflussindex (CFI)) und die Aufdeckung genetischer Determinanten des CCC. Auf diese Weise sollten Kardiologen in die Lage versetzt werden, das CCC entweder in die personalisierte Entscheidungsfindung bei der Behandlung von KHK einzubeziehen oder Einblicke zu gewinnen, wie die endogene Revaskularisierung bei KHK-Patient*innen gefördert werden kann. Hierzu erfolgt die Zusammenarbeit mit Experten für Künstliche-Intelligenz-(KI)-Bildanalyse (Prof. Itu, Rumänien), welche die virtuelle Befundung der Koronarangiographien erlaubt und möglicherweise Kollateralen genauer erkennen und quantifizieren kann als menschliche Untersucher dazu in der Lage wären. Daten zur Performance der automatisierten Kollateral-Vorhersage werden präsentiert.  Dazu wurde eine statistisch ausreichend belastbare KHK-Patient*innenkohorte (n>3.400 Discovery Studie aus Lübeck) rekrutiert, für die genetische Daten und Koronarangiographie-Bildgebungsdaten vorliegen. Klinische Charakteristika sowie die Annotation des CCC dieser Patienten wurden bereits abgeschlossen und es können Langzeit-Outcome-Daten präsentiert werden (Koop. Dr. Vilne, Lettland). Die Patienten wurden über bis zu 20 Jahre longitudinal verfolgt und die Koronaranatomie, Medikation, Komorbiditäten usw. systematisch und statistisch auswertbar erfasst. Dies stellt die Grundlage für eine genome-wide association Studie dar, welche die erste Erhebnung dieser Größenordnung zu diesem Thema darstellt. Schließlich werden in Zusammenarbeit mit KI-Statistik-Spezialisten (Prof. Tregouet, Frankreich) alle Daten in Form eines neuronalen Netzwerks integriert, um die optimale Aussaagekraft hinsichtlich der Genese korornarer Kollateralen zu erhalten  Auch viele weitere Fragestellungen sind mit der PROGRESS Kohorte und ihrer Kombination einer großen gut aufgearbeiteten longitudinalen Patient*innenkohorte, genetischen Informationen und KI-Analyse der Koronarangiographien der Patient*innen in Zukunft denkbar. Unsere Studie zeigt, welche Potentiale in der optimalen Verknüpfung von Patient*innendaten und Bilddaten aus der Koronarangiographie mittels KI liegen.

https://dgk.org/kongress_programme/jt2023/aP2116.html