Erste klinische Erfahrungen mit KI-basierter EVAR-Planung unter Verwendung des Endoleak Risk Index (ERI)

Zielsetzung

Ziel dieser Studie war die Auswertung unserer ersten Erfahrungen mit dem KI-basierten Endoleak Risk Index (ERI) bei der Planung infrarenaler endovaskulärer Aortenreparaturen, insbesondere im Hinblick auf dessen Einfluss auf die klinische Entscheidungsfindung.

Methoden

In dieser monozentrischen Studie wurden zwei Patientengruppen untersucht, die mittels Endurant endovaskulärer Aortenreparatur (EVAR) behandelt wurden. Gruppe 1 bestand aus einer retrospektiven Kohorte mit einer Nachbeobachtungszeit von mindestens 3 Jahren. Für diese Gruppe wurde der ERI anhand präoperativer CT-Angiographien berechnet und mit dem tatsächlichen klinischen Ergebnis verglichen.

Die prospektive Gruppe 2 umfasste Patienten, bei denen zwischen März 2024 und März 2025 eine elektive EVAR geplant war. Hierbei wurden präoperative KI-basierte Simulationen zur Dimensionierung der Endoprothese durchgeführt, einschließlich der ERI-Berechnung zur Vorhersage des Risikos für ein Endoleak Typ 1a (EL1a). Der Einfluss des ERI auf die klinische Entscheidungsfindung wurde bewertet. Patienten mit CT-Scans ohne Kontrastmittel oder einer Schichtdicke von mehr als 3 mm wurden ausgeschlossen.

Ergebnisse

Es wurden 20 Patienten eingeschlossen, 10 in jeder Gruppe, mit einem medianen Alter von 70 Jahren (Spanne 59–81 Jahre) in Gruppe 1 und 72 Jahren (Spanne 60–84 Jahre) in Gruppe 2. In Gruppe 1 war der ERI in sechs von 10 Fällen erhöht; vier Patienten entwickelten im Verlauf perioperative oder späte EL1as.

Bemerkenswert ist, dass zwei Patienten mit erhöhtem ERI über Nachbeobachtungszeiträume von 93 bzw. 44 Monaten kein EL1a entwickelten, während alle Patienten mit niedrigem ERI frei von Endoleaks blieben. Zwei Patienten in Gruppe 2 wiesen einen niedrigen ERI auf und entwickelten kein EL1a, während bei zwei Patienten für mindestens eine simulierte Endoprothesengröße ein erhöhter ERI vorlag, was bei einem Patienten zu einer Änderung der Behandlungsstrategie (größere Endoprothese) führte.

Bei den übrigen sechs Patienten war der ERI für alle simulierten Größen erhöht, wobei ein Fall als ungeeignet für eine infrarenale EVAR eingestuft wurde. Trotz des erhöhten ERI blieb der ursprüngliche Behandlungsplan bei vier Patienten unverändert; einer dieser Patienten verstarb vor der Implantation aus kardialen Gründen. Insgesamt entwickelte in Gruppe 2 während einer medianen Nachbeobachtungszeit von 3 Monaten (Spanne 1–12 Monate) kein Patient ein EL1a.

Schlussfolgerungen

Diese Pilotstudie deutet darauf hin, dass die ERI-Berechnung selbst bei unkomplizierten Fällen wertvoll sein kann und unterstreicht die Bedeutung der Schulung im EVAR-Planungsprozess.

Durch weitere Validierung anhand größerer Datensätze und technologische Fortschritte hat die KI-basierte EL1a-Risikovorhersage das Potenzial, die EVAR-Planung in Zukunft maßgeblich zu verbessern. Dies fördert die Patientensicherheit, indem maßgeschneiderte Behandlungsstrategien ermöglicht und Chirurgen bei ihrer Entscheidungsfindung unterstützt werden.

‍