Detailseite
Projekt
Untersuchung des Prognostischen Werts von Radiomics Analysen und Deep Learning von koronaren Plaques in der Computertomographie für kardiovaskuläre Ereignisse
Antragsteller
Professor Dr. Marc Dewey; Dr. Matthias Rief; Dr. Christian Wald
Fachliche Zuordnung
Nuklearmedizin, Strahlentherapie, Strahlenbiologie
Medizinische Physik, Biomedizinische Technik
Medizinische Physik, Biomedizinische Technik
Förderung
Förderung von 2019 bis 2024
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 428222922
Hintergrund und Ziele: Koronararterielle Plaques können zu kardiovaskulären Ereignissen führen und die nichtinvasive Erkennung von Plaques in der Computertomographie (CT) könnte zur Verbesserung medizinischer Behandlungsstrategien führen. Die CT findet zunehmend Anwendung bei Patienten mit Verdacht auf eine koronare Herzkrankheit (KHK) und ist gut geeignet dreidimensionale Informationen über Plaques in allen Segmenten der Koronararterien in einer Untersuchung zu erfassen. Bisherige Untersuchungen sind durch variable Plaquedefinitionen, Inkonsistenzen in der Erfassung kardiovaskulärer Ereignisse und heterogene Studiendesigns limitiert. Auch gibt es wenige prospektive Daten zum prognostischen Wert bei Patienten mit stabiler Angina pectoris. Wir schlagen Radiomics-Analysen und Deep Learning (DL) koronarer Plaques vor, um Patienten mit hohem Risiko für kardiovaskuläre Ereignisse zu identifizieren. In diesem Projekt werden wir diese Möglichkeiten zur umfassenden Charakterisierung von koronaren Plaque analysieren.Methoden und Arbeitsprogramm: Wir haben prospektiv CT-Bilddaten von mehr als 1700 Patienten mit Verdacht auf KHK in der multizentrischen DISCHARGE-Studie erhoben und führen klinische Langzeituntersuchungen durch. In dem vorgeschlagenen Projekt werden wir den prognostischen Wert von Radiomics und DL mit convolutional neural networks für die Analyse von koronaren Plaques testen. Zuerst werden wir den prognostischen Wert des koronaren Calcium Scores in dieser prospektiven Patientenkohorte prüfen. Zweitens, werden alle CT-Datensätze unter Verwendung der herkömmlichen Plaquesegmentierung und -klassifizierung analysiert (z. B. nicht verkalkt, parziell verkalkt, verkalkt) und der prognostische Wert mit Hochrisikomerkmalen wie geringe Dichte, positives Remodeling, Serviettenringzeichen, punkförmige Verkalkungen verglichen. Drittens, werden wir bestehende Radiomics- und DL-basierte Algorithmen anpassen und implementieren, um Merkmale vulnerabler Plaques zu extrahieren. Dazu gehören die oben genannten Merkmale, radiomische Merkmale und DL-Prädiktionen um die Prognosegenauigkeit mittels prospektiv definierter klinischer Langzeitendpunkte wie Myokardinfarkt und Revaskularisation zu vergleichen. Die quantitativen Ergebnisse der Bildanalyse werden als Datenbank mit kardiovaskulären Ereignissen zur Verfügung gestellt.Erwarteter Erkenntnisgewinn: Wir erwarten neue Erkenntnisse über die Assoziation koronarer Plaquemerkmale in Bezug auf die Prognose wodurch die klinischen Implikationen der Radiomics-Analyse und des DL besser verständlich werden für die Anwendung. Letztendlich dient dies der Identifizierung von Patienten, die ein erhöhtes Risiko dafür aufweisen einen Herzinfarkt zu erleiden. Die Validität und Generalisierbarkeit dieser koronaren CT-Plaqueanalyse kann in der zweiten dreijährige Förderperiode anhand von dann vorliegenden Langzeitdaten aus der bevölkerungsbasierten SCAPIS-Studie mit mehr als 25000 asymptomatischen Patienten überprüft werden.
DFG-Verfahren
Schwerpunktprogramme
