KI-Lösung für Koronararterienkalzium von Coreline weist in Bevölkerungsstudie Genauigkeit von 99,2 % auf

SEOUL, Südkorea--(BUSINESS WIRE)--Coreline Soft, der Entwickler der KI-Lösung für Koronararterienkalzifikation (Coronary Artery Calcification, CAC) AVIEW CAC, hat bekanntgegeben, dass seine KI-CAC-Lösung in einer vom NELSON-Studienteam in Europa am Institute for Diagnostic Accuracy (iDNA) durchgeführten Bevölkerungsstudie eine Genauigkeit von 99,2 % aufwies.

In der Studie wurde die Leistung der KI-basierten Scoring-Lösung für Koronararterienkalzium im Vergleich zu einer erfahrenen Ausleseeinheit aus einer genau festgelegten Screening-Zielgruppe verifiziert.

„Die in der ROBINSCA-Screeningstudie in den Niederlanden gewonnenen prospektiven Daten wurden verwendet, die Studie kam zu dem Ergebnis dass: ʻDie auf tiefem Lernen basierende Software, für automatisches CAC-Scoring, funktionierte in einer bevölkerungsbezogenen Screeningumgebung zur Bestimmung der Risikoeinstufung bei asymptomatisch Teilnehmenden hervorragend.ʼ Das Forschungsteam kam zu dem Schluss, dass die Diagnosegenauigkeit des KI-Systems des Unternehmens der Niedrigdosis-Computertomographie bei 99,2 Prozent lag.

Matthijs Oudkerk, Professor für Radiologie am Universitair Medisch Centrum Groningen und Forschungsleiter für Radiologien der NELSON Lung Cancer Detection Study, kam zu dem Schluss: „Die auf tiefem Lernen basierende Software für automatisches CAC-Scoring kann bei Herz-Kreislauf-Untersuchungen mit Hilfe der Computertomographie genutzt werden. Die Genauigkeit für die Einstufung kardiovaskulärer Risiken und den Beginn einer präventiven Behandlung würden dabei begünstigt.“

„Eine frühe Erkennung und Behandlung sind essenziell für die Reduktion der Anfälligkeit von koronare Herzerkrankungen, die weltweit zweithäufigste Todesursache“, sagte Jinkook Kim, CEO von Coreline. „Diese automatische KI-Lösung wird zum zentralen Tool für die Früherkennung koronarer Anomalien und trägt so zur Herzgesundheit bei.“

Die Studienergebnisse wurden im August 2021 im JACC (Journal of the American College of Cardiology) online publiziert.