Eine neue retrospektive Studie unter Leitung von Hari Trivedi von der Emory University School of Medicine zeigt, dass KI-gestützte Werkzeuge bei Mammogrammen Hinweise auf erhöhtes Risiko für Herz-Kreislauf-Erkrankungen liefern können. Untersucht wurden Daten von 123,762 Frauen im Alter zwischen 40 und 79 Jahren aus Emory Healthcare und einem weiteren großen Gesundheitssystem; zum Zeitpunkt der Aufnahmen hatten keine Teilnehmerinnen bekannte Herz-Kreislauf-Erkrankungen.
Das Team nutzte die KI, um Brustarterienverkalkung (BAC) zu messen. BAC gilt als Zeichen für anhaltende Arterienverhärtung und ist mit Herzinfarkt, Herzinsuffizienz, Schlaganfall und Tod verbunden. Die Studie klassifizierte BAC als nicht vorhanden, leicht, mäßig oder schwer und verglich die späteren kardiovaskulären Ereignisse.
Die berichteten Risikoerhöhungen lagen bei etwa 30% für leichte Verkalkung, mehr als 70% bei mäßiger Verkalkung und zwei- bis dreifach bei schwerer Verkalkung. Trivedi empfiehlt, Mammographieergebnisse mit dem Arzt zu besprechen; die Ergebnisse wurden im European Heart Journal veröffentlicht und von den NIH finanziert.
Schwierige Wörter
- retrospektiv — auf frühere Daten einer Studie bezogenretrospektive
- mammogramm — Röntgenaufnahme der Brust zur UntersuchungMammogrammen
- brustarterienverkalkung — Ablagerung von Kalk in BrustarterienBAC
- kardiovaskulär — das Herz und die Blutgefäße betreffendkardiovaskulären
- risikoerhöhung — Erhöhung der Wahrscheinlichkeit für KrankheitRisikoerhöhungen
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Wie würden Sie reagieren, wenn Ihre Mammographie eine Brustarterienverkalkung zeigt? Was würden Sie mit Ihrem Arzt besprechen?
- Welche Vorteile und möglichen Probleme sehen Sie bei der Verwendung von KI in der medizinischen Diagnostik?
- Warum ist es wichtig, dass die Studie Frauen ohne bekannte Herz-Kreislauf-Erkrankungen untersuchte?
Verwandte Artikel
Guter Internetzugang bleibt für viele unerreichbar
Ein neuer Bericht warnt: Ein anständiger Internetanschluss ist für 90 Prozent der Menschen in einkommensschwachen und -mittleren Ländern unerreichbar. Während der COVID-19-Pandemie wurde zuverlässiges Internet für Gesundheit, Bildung und Arbeit besonders wichtig.
Autorennennung verändert Bewertungen großer Sprachmodelle
Forscher der Universität Zürich zeigen, dass große Sprachmodelle einen Text anders bewerten, wenn ihnen der Autor genannt wird. Ohne Quellenangabe stimmen die Modelle über alle Themen zu über 90% überein; Nennung von Autorität enthüllt versteckte Vorurteile.
