Radiomics-Modelle identifizieren vulnerable Plaques

Die koronare CT-Angiografie (CCTA) stellt arteriosklerotische Plaques zuverlässig dar, aber deren Vulnerabilität und die damit möglichen klinischen Konsequenzen sind visuell schwer zu interpretieren. Die Studiengruppe überprüfte 3 Modelle maschinellen Lernens mit jeweils 8 Radiomics. Deren Zuverlässigkeit für die Abgrenzung gefährlicher Plaques übertraf die konventionelle Auswertung der CCTA.