Diese Seite wurde automatisch übersetzt. Im Falle von Abweichungen ist die englische Version maßgeblich.

Überarbeitet: 16. Juli 2026

Die Zukunft des Managements von Herzerkrankungen

Von: Peter Megdal PhD

Wie man diesen Artikel benutzt

Medizinischer Haftungsausschluss: Dieser Artikel dient nur zu Bildungszwecken und ist keine medizinische Beratung. Konsultieren Sie für eine persönliche Beratung immer Ihren Arzt.

Leichte Sprache

Stellen Sie sich vor, Sie betrachten ein wunderschönes Haus. Der Rasen ist ein perfektes Grün. Die Fenster sind sauber und glänzend. Von der Straße aus sieht das Haus nagelneu aus. Aber hinter den Wänden gibt es einen “Geist in der Maschine”. Die Wasserleitungen sind alt und rostig. Die Elektrokabel fransen aus und schlagen Funken. Man sieht diese Probleme nicht, wenn man nur von außen hinschaut. Eines Tages platzt ein Rohr oder ein Feuer bricht aus. Alle sind schockiert. Sie sagen: “Aber das Haus sah so gut aus!”

Genau das passiert vielen Menschen und ihren Herzen. Viele Menschen gehen zum Arzt und bekommen ein “vollkommen gesundes Zeugnis”. Sie fühlen sich wohl. Sie bestehen ihre Standardtests. Ihr Arzt sagt ihnen, dass alles “gut” aussieht. Und dann erleiden sie plötzlich einen Herzinfarkt. Das passiert, weil unsere alten Tests so sind, als würde man von der Straße aus auf das Haus schauen. Sie übersehen die “rostigen Rohre” im Inneren der Wände des Herzens.

Heute stehen wir am Beginn eines massiven Wandels. Es ist ein “Paradigmenwechsel”. Das bedeutet, dass wir die Art und Weise, wie wir Dinge tun, von Grund auf verändern. Anstatt darauf zu warten, dass ein “Feuer” im Herzen ausbricht, nutzen wir Künstliche Intelligenz (KI), um die Gefahr Jahre zu erkennen, bevor sie Probleme verursacht. Wir bewegen uns von einer Welt, in der wir auf Schmerz reagieren, hin zu einer Welt, in der wir die Wahrheit klar sehen können.

Die “versteckte” Gefahr: Die meisten Herzinfarkte entstehen nicht durch Totalverschlüsse

Die meisten von uns denken, ein Herzinfarkt sei wie ein verstopftes Küchenbecken. Wir denken, ein Rohr füllt sich mit “Schmodder”, bis kein Blut mehr hindurchkann. In der medizinischen Welt wird diese Verengung “Stenose.” Früher gingen Ärzte davon aus, dass man einem hohen Risiko ausgesetzt war, wenn ein Gefäß zu 90% verstopft war. War es hingegen nur zu 20% verstopft, hielten sie den Patienten für außer Gefahr.

Aber hier ist das beängstigende Geheimnis: Die meisten Herzinfarkte passieren nicht in den Adern, die am stärksten verstopft sind. Sie passieren in Adern, die weitgehend offen erscheinen.

Stellen Sie sich eine “Blase” in der Wand eines Blutgefäßes vor. Von außen sieht das Rohr völlig normal aus. Das Blut fließt ungehindert hindurch. Aber im Inneren der Wand ist diese Blase mit weichem, fetthaltigem “Schstamm” gefüllt. Dieses Fett ist äußerst instabil. Wenn diese Blase platzt, bildet sich plötzlich ein Blutgerinnsel. Genau dieses Gerinnsel stoppt den Blutfluss und verursacht den Herzinfarkt. Da das Rohr vor dem Platzen der Blase nicht “verstopft” war, würde ein herkömmlicher Test besagen, dass die Person völlig gesund ist.

Die Zahlen erzählen eine Geschichte, die jeder Mensch kennen sollte:

“Autopsie- und angiographische Untersuchungen zeigen, dass etwa 70–75% der Myokardinfarkte in Gefäßen auftreten, die vor dem Indexereignis eine Stenose von weniger als 50% aufwiesen.”

Das bedeutet, dass von jeweils 10 Personen, die einen Herzinfarkt erleiden, 7 oder 8 einen Test bestanden hätten, der nur nach großen Verstopfungen sucht. Ihre Herzkranzgefäße waren kurz vor der Katastrophe zu mehr als der Hälfte geöffnet. Aus diesem Grund reicht es nicht aus, bei einem Standardtest “gut auszusehen”.

Warum Standardtests “blind” sein können”

Lange Zeit verwendeten Ärzte “Stresstests.” Vielleicht haben Sie so einen Test schon einmal gemacht. Sie laufen auf einem Laufband, während ein Gerät Ihre Herzfunktion überwacht. Wenn Ihre Herzkranzgefäße zu 90% verstopft sind, wird Ihr Herz beim Laufen nicht ausreichend mit Blut versorgt, und der Test wird dies anzeigen. Wenn Sie jedoch diese “fettigen Blasen” haben, die nur 30% der Arterie verstopfen, fließt das Blut beim Laufen immer noch ungehindert. Der Belastungstest wird Ihnen bescheinigen, dass Sie “normal” sind, obwohl eine versteckte Gefahr in Ihnen schlummert, die jederzeit zum Ausbruch bereit ist.

Ein weiterer häufiger Test ist ein Kalkscore. Dieser Test sucht nach hartem Kalzium in Ihren Herzkranzgefäßen. Kalzium ist wie eine “Narbe”. Es zeigt an, dass es in der Vergangenheit einen Schaden gab, der nun knochenhart geworden ist. Zwar ist es hilfreich, Ihren Kalziumwert zu kennen, doch es ist vergleichbar mit dem Betrachten einer Narbe an Ihrem Knie von vor zehn Jahren. Sie sagt Ihnen zwar, dass Sie verletzt wurden, aber sie verrät Ihnen nicht, ob Sie im Moment eine frische, blutende Wunde haben.

Im Herzen wird “Fett” (nicht verkalkte Plaque) ist die neue Gefahr. Eine Person kann einen Calcium-Score von Null haben und dennoch ein Herz voller weichem, gefährlichem Fett. So schneidet die neue KI-Methode im Vergleich zu den alten Methoden ab:

Herzmerkmal Traditionelle Tests (wie Calcium-Scoring) Der neue KI-Weg (AI-QCT)
Harte (verkalkte) Narben Sehr leicht zu sehen Sehr leicht zu sehen
Weiche “fettige” Blasen Ich kann es überhaupt nicht sehen Sehr klar und gut sichtbar
Hochleistungsfett Blind für diese Gefahr Findet es sehr leicht
Gesamtbetrag von Plaque Nur eine grobe Schätzung Präzise Messung (mm³)
Risikovorhersage Allgemeine Vermutung Äußerst präzise und persönlich

AI-QCT: Die neue “Super-Vision” Ihres Herzens”

Um dies zu beheben, entwickelten Wissenschaftler ein Werkzeug namens KI-QCT. Das ist ein großer Name, aber betrachten Sie es wie eine “digitale Lupe”.”

Wenn ein menschlicher Arzt einen Herzscan betrachtet, betrachtet er Bilder mit seinen Augen. Selbst die besten Ärzte können winzige Dinge übersehen. AI-QCT nutzt Künstliche Intelligenz, um die Bilder viel genauer zu betrachten. Die KI betrachtet nicht nur das gesamte Bild; sie betrachtet “Voxels.Ein Voxel ist wie ein 3D-Pixel. Stellen Sie sich einen winzigen, winzigen Würfel vor. Die KI betrachtet jeden einzelnen winzigen Würfel in Ihren Herzgefäßen.

Die KI nutzt “Deep Learning”. Das bedeutet, dass sich der Computer Tausende und Abertausende anderer Herzscans angesehen hat. Er hat gelernt, Muster zu erkennen, die das menschliche Auge einfach nicht wahrnehmen kann. Er kann anhand von Schatten und Farben in den Scandaten den Unterschied erkennen zwischen “sicherem” hartem Kalzium und “gefährlichem” weichem Fett. Es ist nicht-invasiv, was bedeutet, dass niemand Schläuche oder Drähte in Ihren Körper einführen muss, um dies zu sehen. Die KI “sieht” mithilfe der Daten eines normalen CT-Scans.

Daten in einen Fahrplan verwandeln: Die Macht des Messens

Die größte Stärke der KI liegt darin, dass sie Dinge “quantifizieren” kann. Das bedeutet, sie gibt uns eine reale Zahl. Anstatt dass ein Arzt sagt: “Sie haben ein bisschen Plaque”, kann die KI sagen: “Sie haben genau 154 Kubikmillimeter (mm³) Plaque.”

Warum spielt das eine Rolle? Weil man das nicht beheben kann, was man nicht messen kann.

Wenn ein Arzt genau weiß, wie viel “Fett” sich in Ihrem Herzen befindet, kann er einen besseren Plan erstellen. Dies wurde in großen medizinischen Studien nachgewiesen:

  • Der CONFIRM2-Register: Diese Studie untersuchte Tausende von Menschen. Sie zeigte, dass Ärzte bei der Vorhersage der Zukunft deutlich besser wurden, als die KI die Plaque maß. Ihre Fähigkeit, ein Herzproblem vorherzusagen (die sogenannte AUC), stieg von 0,62 auf einen deutlich höheren Wert von 0,75.
  • Die PROMISE-Studie: In dieser Studie hat die KI die Scans ausgewertet und die Ergebnisse geändert. Bei 41% der Verengungen (Stenosen) hat die KI eine “Neuklassifizierung” vorgenommen. Das bedeutet, dass die KI festgestellt hat, dass die bisherige Sichtweise bei 4 von 10 Personen falsch war.
  • Der CREDENCE-Studie: Dies zeigte, dass die KI genauso gut war wie teure, invasive Tests, bei denen Ärzte Schläuche in das Herz einführten.
  • Der CERTAIN-Studie: Diese Studie ergab, dass der Einsatz von KI Ärzte viel “sicherer” in ihrem Vorgehen machte. Sie half ihnen, das richtige Medikament zu verabreichen und unnötige Tests zu vermeiden.

Das führt zu etwas, das sich “Treat-to-Target” nennt. Es ist wie ein GPS für Ihr Herz. Wenn Sie 154 mm³ Plaque haben, beginnen Sie einen Plan mit Ernährung, Bewegung und Medikamenten. Ein Jahr später erhalten Sie einen weiteren Scan. Wenn die KI sagt, dass Sie jetzt 110 mm³ haben, wissen Sie, dass Ihr Plan funktioniert! Sie können tatsächlich sehen, wie das “Fett” schrumpft. Das gibt den Patienten ein großes Gefühl der Erleichterung und Hoffnung.

Das nächste Level: Photon-Counting-CT

Technologie macht einen weiteren Riesenschritt mit etwas namens “Photonen-Zählende CT” (PCCT). In der Vergangenheit waren CT-Scanner wie alte Röhrenfernseher. Die Bilder waren etwas unscharf. Ein großes Problem war das sogenannte “Calcium-Blooming”. Das ist wie eine blendende “Blende” von einer Taschenlampe. Wenn man ein hartes Stück Calcium hatte, leuchtete es auf dem Bild so hell, dass es das direkt daneben liegende weiche Fett verdeckte.

Die neuen Photonenzählenden Geräte wandeln Licht direkt in Elektrizität um. Das macht das Bild viel klarer. Es ist, wie von einem alten Fernseher zu einem brandneuen High-Definition-Bildschirm zu wechseln.

Diese neue Hardware löst viele Probleme:

  1. Keine Blendung mehr: Es stoppt das “Kalzium-Blühen”. Die KI kann nun an den harten “Narben” vorbeisehen, um das verborgene Fett zu finden.
  2. Klarere Bilder: Es entfernt “Rauschen” oder Unschärfe aus dem Bild.
  3. Besser für mehr Menschen: Früher hatte eine Person, wenn sie sehr schnell Herzfrequenz oder schwerer waren, waren die Bilder zu verschwommen, um sie zu verwenden. Diese neuen Maschinen können durch fast alles hindurch klar sehen.

Fazit: Eine Zukunft, in der Herzinfarkte optional sind

Wir bewegen uns in eine neue Ära. In der Vergangenheit war die Herzversorgung “episodisch”. Das bedeutet, dass Sie Ihr Herz nur ab und zu untersucht haben oder nur dann, wenn Sie einen Schmerz in der Brust spürten. Das ist so, als würde man erst dann auf das Navigationssystem schauen, nachdem man sich bereits verfahren hat.

Jetzt gehen wir zu einer “längsschnittlichen” Überwachung über. Das bedeutet, dass wir die Krankheit im Laufe der Zeit verfolgen, so wie man eine Landkarte betrachtet, während man fährt. Wir können die allerersten Anzeichen von Rost in den Rohren Jahre vor dem Platzen erkennen. Wir stehen weltweit vor einer großen Herausforderung:

“Da Herz-Kreislauf-Erkrankungen weltweit weiterhin die häufigste Todesursache sind und prognostiziert wird, dass die jährlichen Todesfälle bis 2030 20 Millionen übersteigen werden, sind verbesserte Methoden zur Identifizierung von Hochrisiko-Koronaratherosklerose vor dem Auftreten klinischer Ereignisse zunehmend erforderlich.”

Mit KI und neuen Scannern könnten viele dieser Todesfälle verhindert werden. Wir müssen nicht länger raten, ob jemand gesund ist. Wir können die Wahrheit sehen. Wir können sehen, ob das Medikament wirkt. Wir können die Zukunft sehen.

Wenn Sie heute die Zukunft Ihres Herzens sehen könnten, würden Sie morgen Ihre Lebensweise ändern? Mit KI haben wir endlich die Macht, diese Zukunft zu sehen – und die Macht, sie zum Besseren zu verändern.

Medizinischer Haftungsausschluss: Dieser Artikel dient nur zu Bildungszwecken und ist keine medizinische Beratung. Konsultieren Sie immer Ihren Arzt für eine persönliche Beratung. Curing Heart Disease, LLC ist ein eingetragener Unternehmensname und impliziert nicht die Diagnose, Behandlung, Heilung oder Vorbeugung von Krankheiten. Die Informationen dienen nur zu Bildungszwecken und sind keine medizinische Beratung. Die Nutzung dieser Informationen erfolgt auf eigene Gefahr. Wenden Sie sich bei Fragen zu einer Erkrankung immer an Ihren Arzt.

Vertiefung

Die technologische Renaissance in der präventiven Kardiologie – Künstliche Intelligenz, quantitative Koronartomographie

Einleitung

Die Herz-Kreislauf-Medizin erlebt einen grundlegenden Paradigmenwechsel und bewegt sich von einem überwiegend reaktiven, symptomorientierten Modell hin zu einem präventiven Rahmen, der auf Früherkennung und individualisierter Risikobewertung basiert. Im Zentrum dieses Wandels steht die Integration künstlicher Intelligenz (KI) in die Koronare Computertomographie Angiographie (CCTA), insbesondere durch die Entwicklung von Atherosklerose Bildgebung mittels quantitativer Computertomographie (AI-QCT). Dieser Ansatz adressiert eine langjährige Einschränkung in der Kardiologie: die Unfähigkeit herkömmlicher diagnostischer Instrumente, nicht-obstruktive, lipidreiche Koronarien zuverlässig zu erkennen Plaque, trotz solcher Läsionen für den Großteil verantwortlich sein akute Koronarsyndrome und plötzlicher Herztod Ereignisse.

Die klinische Relevanz dieser Einschränkung ist beträchtlich. Epidemiologische und pathologische Studien zeigen übereinstimmend, dass die meisten Myokardinfarkte aus Plaques entstehen, die vor der Ruptur nicht den Blutfluss einschränkten (2). Als Herz-Kreislauf-Erkrankung bleibt die weltweit führende Todesursache, und da die jährlichen Todesfälle bis 2030 voraussichtlich 20 Millionen übersteigen werden, sind verbesserte Methoden zur Identifizierung von Hochrisiko-Koronaratherosklerose vor dem Auftreten klinischer Ereignisse zunehmend erforderlich (3).

 

Entwicklung der kardialen Risikostratifizierung und der Biologie der Atherosklerose

Die traditionelle kardiovaskuläre Risikostratifizierung stützt sich auf indirekte Marker wie Serumlipidspiegel, Blutdruck, Blutzuckereinstellung, Rauchen Status und demografische Variablen, die in bevölkerungsbezogene Risikorechner. Während sich diese Modelle auf Populationsebene als nützlich erwiesen haben, mangelt es ihnen bei der Anwendung auf einzelne Patienten, insbesondere auf solche mit scheinbar “normalen”, oft an Präzision.” Risikofaktor Profile, die dennoch erhebliche subklinische Erkrankungen aufweisen (4).

Atherosklerose ist eher eine chronische entzündliche Erkrankung der Arterienwand als eine Störung, die allein durch eine Lumeneinengung definiert ist. Plaque entwickelt sich innerhalb der Intima und besteht aus unterschiedlichen Anteilen von Lipiden, fibrösem Gewebe, Entzündungszellen und Kalzium. Herkömmliche diagnostische Tests – einschließlich Belastungstests, Elektrokardiographie und invasiver Koronarangiographie – weisen die Erkrankung in erster Linie erst dann nach, wenn sie hämodynamisch signifikante Stenose, die in der Regel als Lumeneinengung von 70% oder mehr definiert wird (5).

Erkenntnis 1: Autopsie- und angiographische Untersuchungen zeigen, dass etwa 70–75% der Myokardinfarkte in Gefäßen mit einem Durchmesser von weniger als 50% auftreten Stenose vor dem Indexereignis, was darauf hindeutet, dass die meisten Patienten, die ein akutes Koronarsyndrom erleiden, allein durch standardmäßige Belastungstests nicht als Hochrisikopatienten identifiziert worden wären (2).

Erkenntnis 2: Koronar Arterie Das Kalzium-Scoring (CACS) wurde entwickelt, um die Erkennung subklinischer Erkrankungen durch die Identifizierung von verkalkte Plaque. CACS erkennt jedoch nicht verkalkte Plaque, und ein Kalkscore von null schließt das Vorhandensein lipidreicher, rupturgefährdeter Läsionen nicht aus (6).

Erkenntnis 3: AI-QCT ermöglicht die nicht-invasive Quantifizierung der gesamten Koronaren Plaquebelastung, einschließlich dichtearme nicht-verkalkte Plaque, was nachweislich eine stärkere Verbindung zu zukünftigen kardiovaskulären Ereignissen aufweist als die Stenosehalbwertzeit allein (7).

Plaque-Eigenschaft Sichtweite (CACS) Sichtbarkeit (Standard-CCTA) Sichtbarkeit (AI-QCT) Klinisches Risikoprofil
Verkalkte Plaque Hoch Hoch Hoch Im Allgemeinen stabil; Marker einer chronischen Erkrankung
Nicht verkalkte Plaque Keine Qualitativ / begrenzt Quantitativ / hoch Erhöhtes Rupturrisiko
Plaque mit niedriger Dichte Keine Variable Hoch Starke Assoziation mit ACS
Gesamt Plaquevolumen Keine Indirekte Schätzung Präzise (mm³) Starker Prädiktor für zukünftige Ereignisse

Technische Architektur der KI-gestützten Koronaranalyse

KI-QCT-Plattformen führen eine Voxel-Ebene-Analyse des Koronarbaums durch, anstatt sich nur auf eine visuelle Interpretation zu verlassen. Diese Systeme nutzen Deep-Learning-Architekturen – darunter Convolutional Neural Networks (CNNs), dreidimensionale U-Net-Segmentierungsmodelle und von VGG abgeleitete Klassifikatoren –, die anhand großer, kuratierter Datensätze trainiert wurden, die Bildgebungsmerkmale mit invasiver Validierung und langfristigen klinischen Ergebnissen verknüpfen (8).

Erkenntnis 4: AI-QCT beginnt mit der Akquisition von hochauflösendem CCTA. Moderne Mehrzeilen-CT-Systeme, einschließlich 64- und 640-Zeilen-Scannern, bieten die zeitliche und räumliche Auflösung notwendig, um Bewegungsartefakte zu minimieren und eine genaue Segmentierung der Koronaranatomie zu ermöglichen (5).

Erkenntnis 5: Automatisierte Algorithmen identifizieren die Koronare Lumen und der Gefäßwand und klassifiziert Plaque-Komponenten anhand von Hounsfield-Unit-Dämpfungswerten, was eine Differenzierung von lipidreichem, fibrösem und verkalktem Gewebe ermöglicht (9).

Erkenntnis 6: KI-generiert Ischämie Indizes integrieren Plaque-Morphologie, Läsionslänge, Gefäßremodeling und luminale Geometrie zur Abschätzung der Flusslimitierung und bieten ein nicht-invasives Korrelat zu invasiven fraktionelle Flussreserve (FFR) (10).

Klinische Validierung und begutachtete Evidenz

KI-QCT wurde in mehreren prospektiven Studien, Registern und vergleichenden Studien evaluiert, die in führenden kardiovaskulären und Bildgebungsfachzeitschriften veröffentlicht wurden, einschließlich Journal of the American College of Cardiology, Circulation: Cardiovascular Imaging, und European Heart Journal – Cardiovascular Imaging (11).

Wegweisende Studien und Register

Erkenntnis 7: Der CREDENCE-Studie zeigte eine enge Übereinstimmung zwischen der KI-gestützten CCTA-Analyse und der invasiven quantitative Koronarangiographie und der FFR, was die diagnostische Genauigkeit von KI-QCT zur Identifizierung hämodynamisch signifikanter Erkrankungen unterstützt (12).

Erkenntnis 8: Der CONFIRM2-Register, das Zehntausende von Patienten in mehreren Ländern umfasst, zeigte, dass von KI quantifizierte Plaque-Merkmale einen breiten Gradienten des kardiovaskulären Risikos bei Patienten mit nicht-obstruktiver Erkrankung identifizieren Koronare Herzkrankheit (7).

Erkenntnis 9: Der BESTIMMTE Studie zeigte, dass die KI-QCT die diagnostische Sicherheit im Vergleich zur Standardinterpretation signifikant verbesserte, was zu einer geeigneteren medizinischen Therapie und weniger unnötigen nachgeschalteten Tests führte (1).

Studie N Wichtigste Erkenntnis p-Wert Klinische Relevanz
BESTÄTIGEN2 6,550 Die AUC für MACE verbesserte sich von 0,62 auf 0,75 <0,001 Verbesserte prognostische Genauigkeit
GLAUBE 513 Hohe Übereinstimmung mit invasiver FFR <0,01 Lebensfähige nicht-invasive Ischämiediagnostik
PACIFIC-1 208 KI hat Expertenleser übertroffen <0,05 Reduzierte Inter-Beobachter-Variabilität
VERSPRECHEN (Teilmenge) 4,347 41%-Stenosen neu klassifiziert Reduzierte Falschpositive

Präventivkardiologische Umsetzung und longitudinale Krankheitsüberwachung

Die Integration von AI-QCT in präventivkardiologische Arbeitsabläufe verlagert den klinischen Fokus von der episodischen Beurteilung hin zur longitudinalen Überwachung der atherosklerotischen Erkrankung.

Erkenntnis 10: Die Quantifizierung der Gesamtplaquebelastung ermöglicht eine objektive Beurteilung des Fortschreitens oder der Rückbildung der Erkrankung im Laufe der Zeit und erleichtert so einen auf serielle Bildgebung gestützten „Treat-to-Target“-Ansatz (7).

Erkenntnis 11: KI-basierte Vergleichswerkzeuge ermöglichen die Auswertung von Veränderungen der Plaquezusammensetzung, einschließlich der Stabilisierung oder Regression von lipidreiche Plaque als Reaktion auf die medizinische Therapie (13).

Hardware-Fortschritte: Photon-Counting-Computertomographie

Die Leistung von AI-QCT hängt von der Qualität der bildgebenden Eingabedaten ab, die sich mit den Fortschritten in der CT-Hardware kontinuierlich verbessert.

Erkenntnis 12: Photonenzählende CT (PCCT) Systeme wandeln Röntgenphotonen direkt in elektrische Signale um, wodurch elektronisches Rauschen reduziert wird und Calcium-Ausblühungsartefakte verglichen mit konventionellen energieintegrierenden Detektoren (14).

Erkenntnis 13: PCCT bietet eine höhere räumliche Auflösung bei geringerer Strahlen- und Kontrastmitteldosis, wodurch die Eignung für die Koronar-CT-Bildgebung auf Patienten mit hohem [Zusatz fehlt] erweitert wird. Herzfrequenzen, erhöht Body-Mass-Index, oder ausgedehnte koronare Verkalkung (15).

Auswirkungen auf die Wirtschaft und das Gesundheitssystem

Die Einführung KI-gestützter Herzbildgebung steht im Einklang mit umfassenderen Trends im Gesundheitswesen hin zu wertbasiertem und präventivem Handeln.

Erkenntnis 14: Marktanalysen prognostizieren ein rasches Wachstum von KI-Anwendungen in der Kardiologie, angetrieben durch eine verbesserte diagnostische Effizienz und potenzielle Senkungen der nachgelagerten Kosten im Zusammenhang mit akuten koronaren Ereignissen (16).

Erkenntnis 15: Früherkennung von Hochrisikopatienten Plaque-Phänotypen kann die Raten von Myokardinfarkten und damit verbundene Gesundheitsausgaben durch die Ermöglichung eines früheren und gezielteren Eingreifens senken (17).

Schlussfolgerungen und Ausblick

Die präventive Kardiologie wandelt sich zunehmend hin zu einem biologisch fundierten Modell, das eher die Plaquebelastung und -zusammensetzung als allein den Stenosegrad in den Vordergrund stellt. KI-QCT bietet einen reproduzierbaren, quantitativen Rahmen zur Beurteilung der koronaren Atherosklerose, bevor klinische Ereignisse auftreten.

Erkenntnis 16: Zukünftige Entwicklungen werden voraussichtlich die Integration von agentenbasierten KI-Systemen, longitudinalen digitalen Herzmodellen und multimodalen Datenströmen umfassen, die genomische und metabolische Informationen einbeziehen (18).

Erkenntnis 17: Da KI eine größere Rolle bei der Bildinterpretation und -quantifizierung übernimmt, können sich Kliniker zunehmend auf höherrangige klinische Entscheidungsfindungen, Risikokommunikation und die Optimierung einer individualisierten Therapie konzentrieren (19).

Referenzen

  1. Nurmohamed NS, Cole JH, Budoff MJ, et al. Impact of atherosclerosis imaging-quantitative computed tomography on diagnostic certainty, downstream testing, coronary revascularization, and medical therapy: the CERTAIN study. Eur Heart J Cardiovasc Imaging. 2024;25(6):857-866. doi:10.1093/ehjci/jeae029
  2. Falk E, Shah PK, Fuster V. Coronary plaque disruption. Circulation. 1995;92(3):657-671. doi:10.1161/01.cir.92.3.657
  3. Global Burden of Cardiovascular Diseases and Risks 2023 Collaborators. Global, Regional, and National Burden of Cardiovascular Diseases and Risk Factors in 204 Countries and Territories, 1990-2023. J Am Coll Cardiol. 2025;86(22):2167-2243. doi:10.1016/j.jacc.2025.08.015
  4. Lloyd-Jones DM. Cardiovascular risk prediction: basic concepts, current status, and future directions. Circulation. 2010;121(15):1768-1777. doi:10.1161/CIRCULATIONAHA.109.849166
  5. Douglas PS, Hoffmann U, Patel MR, et al. Outcomes of anatomical versus functional testing for coronary artery disease. N Engl J Med. 2015;372(14):1291-1300. doi:10.1056/NEJMoa1415516
  6. Greenland P, Blaha MJ, Budoff MJ, Erbel R, Watson KE. Coronary Calcium Score and Cardiovascular Risk. J Am Coll Cardiol. 2018;72(4):434-447. doi:10.1016/j.jacc.2018.05.027
  7. Feuchtner GM, Lacaita PG, Bax JJ, et al. AI-Quantitative CT Coronary Plaque Features Associate With a Higher Relative Risk in Women: CONFIRM2 Registry. Circ Cardiovasc Imaging. 2025;18(6):e018235. doi:10.1161/CIRCIMAGING.125.018235
  8. Oikonomou EK, Khera R. Machine learning in precision diabetes care and cardiovascular risk prediction. Cardiovasc Diabetol. 2023;22(1):259. Published 2023 Sep 25. doi:10.1186/s12933-023-01985-3
  9. Koo BK, Yang S, Jung JW, et al. Artificial Intelligence-Enabled Quantitative Coronary Plaque and Hemodynamic Analysis for Predicting Acute Coronary Syndrome. JACC Cardiovasc Imaging. 2024;17(9):1062-1076. doi:10.1016/j.jcmg.2024.03.015
  10. Nørgaard BL, Leipsic J, Gaur S, et al. Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease: the NXT trial (Analysis of Coronary Blood Flow Using CT Angiography: Next Steps). J Am Coll Cardiol. 2014;63(12):1145-1155. doi:10.1016/j.jacc.2013.11.043
  11. Beerkens FJ, Tang GHL, Kini AS, et al. Transcatheter Aortic Valve Replacement Beyond Severe Aortic Stenosis: JACC State-of-the-Art Review. J Am Coll Cardiol. 2025;85(9):944-964. doi:10.1016/j.jacc.2024.11.051
  12. Griffin WF, Choi AD, Riess JS, et al. AI Evaluation of Stenosis on Coronary CTA, Comparison With Quantitative Coronary Angiography and Fractional Flow Reserve: A CREDENCE Trial Substudy. JACC Cardiovasc Imaging. 2023;16(2):193-205. doi:10.1016/j.jcmg.2021.10.020
  13. Zaman S, Wasfy JH, Kapil V, et al. The Lancet Commission on rethinking coronary artery disease: moving from ischaemia to atheroma. Lancet. 2025;405(10486):1264-1312. doi:10.1016/S0140-6736(25)00055-8
  14. Willemink MJ, Persson M, Pourmorteza A, Pelc NJ, Fleischmann D. Photon-counting CT: Technical Principles and Clinical Prospects. Radiology. 2018;289(2):293-312. doi:10.1148/radiol.2018172656
  15. Schiebler ML, Jinzaki M, Yanagawa M, et al. Future Applications of Cardiothoracic CT. Radiology. 2025;315(3):e240085. doi:10.1148/radiol.240085
  16. Windecker S, Gilard M, Achenbach S, et al. Device innovation in cardiovascular medicine: a report from the European Society of Cardiology Cardiovascular Round Table. Eur Heart J. 2024;45(13):1104-1115. doi:10.1093/eurheartj/ehae069
  17. Undas A, Musiał J, Ząbczyk M. Antiphospholipid antibodies and atherosclerotic vascular disease: recent advances. Rheumatol Int. 2025;45(12):279. Published 2025 Nov 29. doi:10.1007/s00296-025-06050-8
  18. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. doi:10.1038/s41591-018-0300-7
  19. Shetty NS, Gaonkar M, Pampana A, et al. Association of Pathogenic/Likely Pathogenic Inherited Cardiomyopathy Variants With Heart Failure: A TOPMed Multiancestry Analysis. Mayo Clin Proc. 2025;100(11):1948-1955. doi:10.1016/j.mayocp.2025.01.021

Transparenzhinweis: Dieser Blogbeitrag wurde mit Unterstützung von KI-Werkzeugen erstellt. Der Endinhalt wurde vom Autor, der für seine Richtigkeit verantwortlich ist, sorgfältig überprüft und bearbeitet. Die bereitgestellten Informationen dienen ausschließlich Bildungszwecken und stellen keine medizinische Beratung dar.

KI-App

Herzinfarktrisiko-Rechner

Bildungsbezogener Herzrisikorechner für die Familiengeschichte mit H-Score-Einblicken, visueller Stammbaumeingabe und teilbaren PDF-Berichten.

Lesen Sie hier, warum diese App so wichtig ist.