Die Riesenzellarteriitis (giant cell arteriitis, GCA) ist eine systemische Autoimmunerkrankung, die große und mittelgroße Arterien befällt und – unerkannt – zu Komplikationen wie Sehverlust führen kann. Der Ultraschall (US) ist ein wichtiges Diagnoseinstrument, jedoch fehlt es mitunter an Fachwissen für eine adäquate Bildinterpretation. Eine Arbeitsgruppe des Universitätsklinikums Bonn hat jetzt ein KI-Modell entwickelt, das anhand des Arterientyps (z.B. temporal, axillär) zur Klassifizierung von US-Bildern beitragen soll. Das Deep-Learning-Modell wurde mit einem Datensatz trainiert, der 3.800 Bilder (38% mit GCA-Merkmalen) von 244 Patienten umfasste. Zudem wurden arterienspezifische Merkmale integriert. Von drei unterschiedlichen Modellkonfigurationen zeigte das sog. Arterienfusionsmodell, das Informationen zum Arterientyp enthält, eine sehr gute Diagnoseleistung hinsichtlich der Arteria axellaris und der oberflächlichen gemeinsamen Schläfenarterie; bei den kleineren Ästen der Arteria temporalis superficialis war die Leistung allerdings geringer. Die Forscher wollen daher im nächsten Schritt die Datenbasis dieses KI-Modells zur Erkennung bei kleineren Arterien optimieren.
Quelle: Bauer CJ et al. Abstract OP0343 im Rahmen des EULAR 2025
© InfiniteFlow – stock.adobe.com
