nach oben

Gefässchirurgie

Erschienen in:

19.09.2019 | Bauchaortenaneurysma | Leitthema

Methoden der künstlichen Intelligenz in der vaskulären Medizin

Status quo und Ausblick am Beispiel des AAAs

verfasst von: L. Bruder, B. Reutersberg, M. Bassilious, W. Schüttler, H.-H. Eckstein, Prof. Dr.-Ing. M. W. Gee

Erschienen in: Gefässchirurgie | Ausgabe 7/2019

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Methoden der künstlichen Intelligenz (KI) erlangen in immer mehr Lebensbereichen Bedeutung und finden auch in der Medizin zunehmend Anwendung.

Fragestellung

Wo und wie werden KI-Methoden heute schon in der vaskulären Medizin eingesetzt? Wo besteht Potenzial für klinische Anwendungen? Wo liegen Herausforderungen?

Material und Methoden

Auf Basis einer Literaturrecherche wird der Einsatz von KI-Methoden im medizinischen Umfeld analysiert, bestehende Ansätze vorgestellt und Möglichkeiten für eine Anwendung in der Gefäßchirurgie aufgezeigt. Anhand eines aktuellen Forschungsthemas, der Rupturrisikoabschätzung bei abdominalen Aortenaneurysmen (AAA), wird der Einsatz und das Zusammenspiel mehrerer KI-Methoden veranschaulicht.

Ergebnisse

KI-Methoden sind in der Gefäßchirurgie noch unterrepräsentiert. Wie die gezeigten Beispiele verdeutlichen, besteht allerdings ein hohes Anwendungspotenzial.

Diskussion

Eine Herausforderung für die Anwendung von KI-Methoden besteht in der Interpretierbarkeit der KI-basierten Modelle, da diese keine kausalen Beziehungen preisgeben können. Des Weiteren werden zur Erstellung aussagekräftiger KI-Modelle große medizinische Datensätze benötigt, was aufgrund heterogener Datenquellen und Datenschutzbedenken insbesondere in Deutschland eine Hürde darstellt.

Ärzteblatt DÄG Redaktion Deutsches (2019) Künstliche Intelligenz erkennt Melanome zuverlässiger als Uni-Dermatologen. https://www.aerzteblatt.de/nachrichten/102433/Kuenstliche-Intelligenz-erkennt-Melanome-zuverlaessiger-als-Uni-Dermatologen. Zugegriffen: 20. Juni 2019

Bergqvist D, Björck M, Wanhainen A (2008) Abdominal aortic aneurysm – to screen or not to screen. Eur J Vasc Endovasc Surg 35:13–18. https://doi.org/10.1016/j.ejvs.2007.06.012 CrossRefPubMed

Biehler J, Kehl S, Gee MW et al (2017) Probabilistic noninvasive prediction of wall properties of abdominal aortic aneurysms using Bayesian regression. Biomech Model Mechanobiol 16:45–61. https://doi.org/10.1007/s10237-016-0801-6 CrossRefPubMed

Brinker TJ, Hekler A, Enk AH et al (2019) Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. Eur J Cancer 113:47–54. https://doi.org/10.1016/j.ejca .2019.04.001CrossRefPubMed

Bs KWJ (2018) Artificial intelligence in cardiology. J Am Coll Cardiol 71(23):2668CrossRef

Chaikof EL, Dalman RL, Eskandari MK et al (2018) The society for vascular surgery practice guidelines on the care of patients with an abdominal aortic aneurysm. J Vasc Surg 67:2–77.e2. https://doi.org/10.1016/j.jvs.2017.10.044 CrossRefPubMed

Ching T, Himmelstein DS, Beaulieu-Jones BK et al (2018) Opportunities and obstacles for deep learning in biology and medicine. J R Soc Interface. https://doi.org/10.1098/rsif.2017.0387 CrossRefPubMedPubMedCentral

Debus ES, Heidemann F, Gross-Fengels W et al (2018) Kurzfassung S3-Leitlinie zu Screening, Diagnostik, Therapie und Nachsorge des Bauchaortenaneurysmas. Gefässchirurgie 23:432–451. https://doi.org/10.1007/s00772-018-0435-3 CrossRef

Destasis (2017) Gesundheit, Todesursachen in Deutschland. Fachserie 12, Reihe 4. Statistische Bundesamt, Wiesbaden

10.

Durrleman S, Prastawa M, Charon N et al (2014) Morphometry of anatomical shape complexes with dense deformations and sparse parameters. Neuroimage 101:35–49. https://doi.org/10.1016/j.neuroimage.2014.06.043 CrossRefPubMed

11.

Fillinger MF, Racusin J, Baker RK et al (2004) Anatomic characteristics of ruptured abdominal aortic aneurysm on conventional CT scans: implications for rupture risk. J Vasc Surg 39:1243–1252. https://doi.org/10.1016/j.jvs.2004.02.025 CrossRefPubMed

12.

Georgakarakos E, Ioannou CV, Kamarianakis Y et al (2010) The role of geometric parameters in the prediction of abdominal aortic aneurysm wall stress. Eur J Vasc Endovasc Surg 39:42–48. https://doi.org/10.1016/j.ejvs.2009.09.026 CrossRefPubMed

13.

Gibson E, Li W, Sudre C et al (2018) NiftyNet: a deep-learning platform for medical imaging. Comput Methods Programs Biomed 158:113–122. https://doi.org/10.1016/j.cmpb.2018.01.025 CrossRefPubMedPubMedCentral

14.

Hemmler A, Lutz B, Kalender G et al (2019) Patient-specific in silico endovascular repair of abdominal aortic aneurysms: application and validation. Biomech Model Mechanobiol. https://doi.org/10.1007/s10237-019-01125-5 CrossRefPubMed

15.

Hong HA, Sheikh UU (2016) Automatic detection, segmentation and classification of abdominal aortic aneurysm using deep learning. IEEE 242–246. https://doi.org/10.1109/CSPA.2016.7515839 CrossRef

16.

Kimura M, Hoshina K, Miyahara K et al (2019) Geometric analysis of ruptured and nonruptured abdominal aortic aneurysms. J Vasc Surg 69:86–91. https://doi.org/10.1016/j.jvs.2018.04.035 CrossRefPubMed

17.

Liang L, Liu M, Martin C et al (2017) A machine learning approach to investigate the relationship between shape features and numerically predicted risk of ascending aortic aneurysm. Biomech Model Mechanobiol 16:1519–1533. https://doi.org/10.1007/s10237-017-0903-9 CrossRefPubMedPubMedCentral

18.

López-Linares K, Aranjuelo N, Kabongo L et al (2018) Fully automatic detection and segmentation of abdominal aortic thrombus in post-operative CTA images using deep convolutional neural networks. Med Image Anal 46:202–214. https://doi.org/10.1016/j.media.2018.03.010 CrossRefPubMed

19.

Maier A, Gee MW, Reeps C et al (2010) A comparison of diameter, wall stress, and rupture potential index for abdominal aortic aneurysm rupture risk prediction. Ann Biomed Eng 38:3124–3134. https://doi.org/10.1007/s10439-010-0067-6 CrossRefPubMed

20.

Martufi G, Liljeqvist ML, Sakalihasan N et al (2016) Local diameter, wall stress, and thrombus thickness influence the local growth of abdominal aortic aneurysms. J Endovasc Ther. https://doi.org/10.1177/1526602816657086 CrossRefPubMed

21.

Polzer S, Gasser TC, Vlachovský R et al (2019) Biomechanical indices are more sensitive than diameter in predicting rupture of asymptomatic abdominal aortic aneurysms. J Vasc Surg. https://doi.org/10.1016/j.jvs.2019.03.051 CrossRefPubMed

22.

Raghavan ML, Ma B, Harbaugh RE (2005) Quantified aneurysm shape and rupture risk. J Neurosurg 102:355–362. https://doi.org/10.3171/jns.2005.102.2.0355 CrossRefPubMed

23.

Rajasinghe HA, Miller LE, Chahwan SH, Zamora AJ (2018) TOI 2. Underutilization of artificial intelligence by vascular specialists. J Vasc Surg 68:e148–e149. https://doi.org/10.1016/j.jvs.2018.08.099 CrossRef

24.

Reeps C, Maier A, Pelisek J et al (2013) Measuring and modeling patient-specific distributions of material properties in abdominal aortic aneurysm wall. Biomech Model Mechanobiol 12:717–733. https://doi.org/10.1007/s10237-012-0436-1 CrossRefPubMed

25.

Reutersberg B, Haller B, Mariss J et al (2016) Measurements after image post-processing are more precise in the morphometric assessment of thoracic aortic aneurysms: an intermodal and intra-observer evaluation. Eur J Vasc Endovasc Surg 52:509–517. https://doi.org/10.1016/j.ejvs.2016.07.014 CrossRefPubMed

26.

Ronneberger O, Fischer P, Brox T (2015) U‑net: Convolutional networks for biomedical image segmentation. In: Int. Conf. Med. Image Comput. Comput.-Assist. Interv. Springer, Berlin Heidelberg, S 234–241

27.

Shen D, Wu G, Suk H‑I (2017) Deep learning in medical image analysis. Annu Rev Biomed Eng 19:221–248. https://doi.org/10.1146/annurev-bioeng-071516-044442 CrossRefPubMedPubMedCentral

28.

Shum J, DiMartino ES, Goldhammer A et al (2010) Semiautomatic vessel wall detection and quantification of wall thickness in computed tomography images of human abdominal aortic aneurysms: Wall thickness quantification of human abdominal aortic aneurysms. Med Phys 37:638–648. https://doi.org/10.1118/1.3284976 CrossRefPubMed

29.

Trenner M, Haller B, Storck M et al (2017) Trends in patient safety of intact abdominal aortic aneurysm repair: German registry data on 36,594 procedures. Eur J Vasc Endovasc Surg 53:641–647. https://doi.org/10.1016/j.ejvs.2016.12.024 CrossRefPubMed

30.

Weber M, Burchardt A (2017) Künstliche Intelligenz – Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung

31.

Wise ES, Hocking KM, Brophy CM (2015) Prediction of in-hospital mortality after ruptured abdominal aortic aneurysm repair using an artificial neural network. J Vasc Surg 62:8–15. https://doi.org/10.1016/j.jvs.2015.02.038 CrossRefPubMedPubMedCentral

Titel: Methoden der künstlichen Intelligenz in der vaskulären Medizin
Status quo und Ausblick am Beispiel des AAAs
verfasst von: L. Bruder
B. Reutersberg
M. Bassilious
W. Schüttler
H.-H. Eckstein
Prof. Dr.-Ing. M. W. Gee
Publikationsdatum: 19.09.2019
Verlag: Springer Medizin
Schlagwörter: Bauchaortenaneurysma
Aortenaneurysma
Bauchaortenaneurysma
Aortenaneurysma
Künstliche Intelligenz
Erschienen in: Gefässchirurgie / Ausgabe 7/2019
Print ISSN: 0948-7034
Elektronische ISSN: 1434-3932
DOI: https://doi.org/10.1007/s00772-019-00574-7

Neu im Fachgebiet Chirurgie

23.04.2024 | Ablationstherapie | Nachrichten

Wie erfolgreich ist eine Re-Ablation nach Rezidiv?

23.04.2024 | Appendizitis | Nachrichten

Hinter dieser Appendizitis steckte ein Erreger

23.04.2024 | Operationsvorbereitung | Nachrichten

Mehr Schaden als Nutzen durch präoperatives Aussetzen von GLP-1-Agonisten?

19.04.2024 | EAU 2024 | Kongressbericht | Nachrichten

Ureterstriktur: Innovative OP-Technik bewährt sich

weitere anzeigen

Update Chirurgie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Aktuelle BDC Leitlinien-Webinare

S3-Leitlinie „Diagnostik und Therapie des Karpaltunnelsyndroms“

Karpaltunnelsyndrom BDC Leitlinien Webinare

CME: 2 Punkte

Das Karpaltunnelsyndrom ist die häufigste Kompressionsneuropathie peripherer Nerven. Obwohl die Anamnese mit dem nächtlichen Einschlafen der Hand (Brachialgia parästhetica nocturna) sehr typisch ist, ist eine klinisch-neurologische Untersuchung und Elektroneurografie in manchen Fällen auch eine Neurosonografie erforderlich. Im Anfangsstadium sind konservative Maßnahmen (Handgelenksschiene, Ergotherapie) empfehlenswert. Bei nicht Ansprechen der konservativen Therapie oder Auftreten von neurologischen Ausfällen ist eine Dekompression des N. medianus am Karpaltunnel indiziert.

Prof. Dr. med. Gregor Antoniadis

S2e-Leitlinie „Distale Radiusfraktur“

Radiusfraktur BDC Leitlinien Webinare

CME: 2 Punkte

Das Webinar beschäftigt sich mit Fragen und Antworten zu Diagnostik und Klassifikation sowie Möglichkeiten des Ausschlusses von Zusatzverletzungen. Die Referenten erläutern, welche Frakturen konservativ behandelt werden können und wie. Das Webinar beantwortet die Frage nach aktuellen operativen Therapiekonzepten: Welcher Zugang, welches Osteosynthesematerial? Auf was muss bei der Nachbehandlung der distalen Radiusfraktur geachtet werden?

PD Dr. med. Oliver Pieske

Dr. med. Benjamin Meyknecht

S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“

Appendizitis BDC Leitlinien Webinare

CME: 2 Punkte

Inhalte des Webinars zur S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“ sind die Darstellung des Projektes und des Erstellungswegs zur S1-Leitlinie, die Erläuterung der klinischen Relevanz der Klassifikation EAES 2015, die wissenschaftliche Begründung der wichtigsten Empfehlungen und die Darstellung stadiengerechter Therapieoptionen.

Dr. med. Mihailo Andric

Springer Medizin

Zusammenfassung

Hintergrund

Fragestellung

Material und Methoden

Ergebnisse

Diskussion

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 7/2019

Endovaskuläres Komplikationsmanagement einer iatrogenen Aortenverletzung während transthorakaler Spondylodese

Robotik: automatisierte Verfahren in der Gefäßmedizin

Künstliche Intelligenz und Robotik – Gedanken eines Baby‑Boomers

Künstliche Intelligenz in der Gefäßchirurgie

Die künstliche Intelligenz in der Einzelzellgenomik

Mitteilungen der DGG

Neu im Fachgebiet Chirurgie

Wie erfolgreich ist eine Re-Ablation nach Rezidiv?

Hinter dieser Appendizitis steckte ein Erreger

Mehr Schaden als Nutzen durch präoperatives Aussetzen von GLP-1-Agonisten?

Ureterstriktur: Innovative OP-Technik bewährt sich

Update Chirurgie

Aktuelle BDC Leitlinien-Webinare

S3-Leitlinie „Diagnostik und Therapie des Karpaltunnelsyndroms“

S2e-Leitlinie „Distale Radiusfraktur“

S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“