Künstliche Intelligenz in der Digitalen Subtraktionsangiographie mit Fokus auf die Aorta und Beckenarterien

\(\bf Einleitung\) Die frühzeitige Erkennung von Stenosen und Aneurysmen ist essenziell für Diagnostik und Therapieplanung. Ziel dieser Arbeit war die Entwicklung und klinische Validierung des KI-basierten Frameworks Dr-SAM zur automatisierten Analyse angiographischer Bilddaten. \(\bf Methode\) Das System basiert auf dem Segment Anything Model und verwendet eine optimierte Punktselektion zur Gefäßsegmentierung. Durchmesserschätzungen erfolgen über Skelettierung, Stenosen werden histogrammbasiert detektiert. Dr-SAM wurde an 500 DSA-Bildern getestet und an 100 retrospektiven Untersuchungen validiert. Die infrarenale Aorta und die iliakalen Arterien wurden durch zwei Radiologen beurteilt und mit den automatisierten Ergebnissen verglichen. \(\bf Ergebnis\) Es zeigte sich eine hohe Übereinstimmung, insbesondere bei den iliakalen Arterien, mit exzellenter Segmentierungsqualität. \(\bf Diskussion\) Dr-SAM zeigt hohes Potenzial zur Standardisierung und Effizienzsteigerung der angiographischen Analyse.