Clinical/methodical issue: Cardiac diseases are the leading cause of death. Many diseases can be specifically treated once a valid diagnosis is established. Cardiac magnetic resonance imaging (MRI) plays a central role in the workup of many cardiac pathologies. However, image acquisition as well as interpretation and related secondary image evaluation are time-consuming and complex.
Standard radiological methods: Cardiac MRI is becoming increasingly established in international guidelines for the evaluation of cardiac function and differential diagnosis of a wide variety of cardiac diseases.
Methodological innovations: Cardiac MRI has limited reproducibility due to the acquisition technique and interpretation of findings with complex secondary measurements. Artificial intelligence techniques and radiomics offer the potential to improve the acquisition, interpretation, and reproducibility of cardiac MRI.
Performance: Research suggests that artificial intelligence and radiomic analysis can improve cardiac MRI in terms of image acquisition and also diagnostic and prognostic value. Furthermore, the implementation of artificial intelligence and radiomics may result in the identification of new biomarkers.
Achievements and practical recommendations: The implementation of artificial intelligence in cardiac MRI has great potential. However, the current level of evidence is still limited in some aspects; in particular there are too few prospective and large multicenter studies available. As a result, the algorithms developed are often not sufficiently validated scientifically and are not yet applied in clinical routine.
Zusammenfassung: KLINISCHES/METHODISCHES PROBLEM: Kardiale Erkrankungen sind weltweit die führende Todesursache. Viele Erkrankungen können gezielt behandelt werden, sobald eine valide Diagnose gestellt wurde. Die kardiale Magnetresonanztomographie (MRT) hat in der Abklärung zahlreicher kardialer Pathologien einen hohen Stellenwert. Jedoch sind sowohl die Bildakquisition als auch die Befundung und damit zusammenhängende sekundäre Bildauswertungen zeitaufwändig und komplex.
Radiologische standardverfahren: In den internationalen Leitlinien etabliert sich die kardiale MRT zunehmend in der Evaluation der Herzfunktion und der Differenzialdiagnostik verschiedenster kardialer Erkrankungen.
Methodische innovationen: Die kardiale MRT besitzt aufgrund der Aufnahmetechnik und der Befundung mit aufwändigen Sekundärmessungen eine eingeschränkte Reproduzierbarkeit. Techniken künstlicher Intelligenz (KI) und Radiomics bieten das Potenzial, die Akquisition, Befundung und Reproduzierbarkeit der kardialen MRT zu verbessern. LEISTUNGSFäHIGKEIT: Studien zeigen, dass KI und Radiomics-Analysen die kardiale MRT hinsichtlich Bildakquisition, diagnostischer und prognostischer Wertigkeit verbessern können. Zudem konnten mit dieser Herangehensweise neue Biomarker identifiziert werden. BEWERTUNG UND EMPFEHLUNG FüR DIE PRAXIS: In der Anwendung von KI in der kardialen MRT liegt großes Potenzial. Die aktuelle Datenlage ist in einigen Aspekten noch zu gering, vor allem liegen zu wenige prospektive und große multizentrische Studien vor. Dadurch sind die entwickelten Algorithmen häufig wissenschaftlich nicht ausreichend validiert und finden in der klinischen Routine noch keine Anwendung.
Keywords: Cardiac magnetic resonance imaging; Data analysis; Deep learning; Image acquisition; Machine learning.
© 2022. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.