Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Deep Learning für Überlebensprognose bei TAVI-Patienten direkt aus CT-Bildern

Müller D et al. · Stud Health Technol Inform · erschienen 17.09.2026 · PMID 42752486

Von KI ausgewählt und zusammengefasst

Worum es geht

End-to-End-Deep-Learning-Pipeline zur Vorhersage des Gesamtüberlebens von TAVI-Patienten aus präprozeduralen Whole-Body-CT-Scans ohne manuelle Feature-Engineering, trainiert an 317 Patienten mit 5-fach Kreuzvalidierung.

Ergebnis

Modell erreichte AUC 0,787, Spezifität 72,1 % und Sensitivität 85,3 % zur Identifikation von Kurzzeit-Überlebenden (< 12 Monate). Leistung vergleichbar mit multimodalen ML-Modellen, die extensive klinische Daten erfordern. Risikoidentifikation ohne manuelle Feature-Extraktion als potenzielles klinisches Entscheidungshilfewerkzeug für präoperative Risikoschätzung.

Übertragbarkeit auf Deutschland

Deutschland; klinisches Anwendungssetting in Versorgungskontinuität übertragbar.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.