Loading
Medizinische Universität Graz   Hilfe

Meine Abschlussarbeiten - Publikationen

Diplomarbeit - Detailansicht
Wichtigste Meldungen anzeigenMeldungsfenster schließen
Bibliografische Informationen
 Identifizierung einer akuten Koronarokklusion mittels Künstlicher Intelligenz bei NSTEMI-PatientInnen  
 Hintergrund: Die derzeitigen STEMI-Kriterien unterscheiden zwischen ST-

Strecken-Hebung-Myokardinfarkt (STEMI), der eine akute Koronarangiographie

veranlasst, und dem Nicht-ST-Strecken-Hebungs-Myokardinfarkt (NSTEMI), bei

dem je nach Risikoklasse eine variable Zeit bis zur invasiven Diagnostik

verstreichen kann. Mehrere Studien haben jedoch gezeigt, dass bis zu 25–30 %

aller PatientInnen mit NSTEMI einen Totalverschluss einer Koronararterie

aufweisen und daher potenziell von einer sofortigen Revaskularisation profitieren

würden. Ziel dieser Studie war es, die diagnostische Leistung eines mit künstlicher

Intelligenz (KI) unterstützten EKG-Modells (Powerful Medical, Slowakei) bei der

Erkennung eines Myokardinfarkts mit Totalverschluss einer Koronararterie

(okklusiver Myokardinfarkt; OMI) bei NSTEMI-PatientInnen zu ermitteln.

Methoden: Diese retrospektive Studie umfasste 300 PatientInnen, die im Jahr

2022 an der Universitätsklinik Graz im Rahmen eines NSTEMI eine

Koronarangiographie erhielten. Das EKG mit dem kürzesten Zeitintervall bis zur

Koronarangiographie wurde mit der KI-untertützten EKG-App von Powerful

Medical analysiert und gegen zwei Referenzstandards basierend auf

Angiographiebefunden und hs-Troponinwerten verglichen.

Ergebnisse: Die diagnostische Leistung des KI-unterstützten EKG-Modells bei

der Erkennung eines okklusiven Myokardinfarktes bei NSTEMI-PatientInnen

zeigte je nach Referenzstandard, eine mäßige Spezifität von 70.2 % bzw. 73.2 %

sowie einen negativen prädiktiven Wert von 86.6 % bzw. 74.6 %. Die Sensitivität

mit 48.1% bzw. 46.3 % und der positive prädiktive Wert mit 25.3 % bzw. 46.3 %

waren für beide Definitionen begrenzt. Die Odds Ratios (OR) waren mit 2.18 (95

% CI, 1.19–4.00) und 2.35 (95 % CI, 1.42–3.91) für beide Referenzstandards

statistisch signifikant.

Konklusion: Trotz des Potenzials des KI-unterstützten EKG-Modells zur

Verbesserung der Erkennung von okklusiven Myokardinfarkten bei NSTEMI-

PatientInnen konnten die bisher sehr guten Ergebnisse von vorherigen Studien in

unserer NSTEMI-Kohorte nicht nachgewiesen werden. Weitere Untersuchungen

sind geplant, um die klinische Anwendbarkeit in dieser Patientengruppe zu

evaluieren.  
 Künstliche Intelligenz, NSTEMI  
 
 –  
Autorinnen*Autoren / Co-Autorinnen*Co-Autoren
  Barnaba, Matteo
Betreuende Einrichtung / Studium
  Universitätsklinik für Innere Medizin
 UO 202 Humanmedizin  
Betreuung / Beurteilung
  Wallner, Markus; Research Prof. Priv.-Doz. Dr.med. Dr.scient.med.
  Toth-Gayor, Gabor; Research Prof. Priv.-Doz. Dr.med. PhD.