Akute Lungenembolie - CAD verbessert Beurteilung

Die computerassistierte Diagnose (CAD) wird bereits in verschiedenen klinischen Situationen erfolgreich eingesetzt. Die Anwendung zur Diagnose von akuten Lungenembolien (LE) ist noch relativ neu. Die bisher zur Verfügung stehenden Daten ergeben weitgestreute Ergebnisse hinsichtlich der Sensitivitäten und falsch positiver Ergebnisse. Engelke et al. untersuchten den klinischen Nutzen der CAD für die Beurteilung des Schweregrads und der Risikostratifizierung bei pulmonaler Embolie. Clin Radiol 2010; 65: 137-144

An der prospektiven, verblindeten Beobachtungsstudie nahmen 58 Patienten teil. Vier Radiologen beurteilten die CT-Aufnahmen in zufälliger Reihenfolge, wobei es sich um 2 unerfahrene und 2 erfahrene Befunder handelte. Ihnen waren weder die CT-Berichte noch die CAD-Ergebnisse bekannt. Der Grad der Gefäßobstruktion wurde mit dem Mastora-Score (in Prozent) bewertet. Für die Bestimmung des Schweregrads der LE wurden alle Bilddaten mit dem CAD-System erneut bewertet. Referenzstandard war die Konsensusauswertung durch 2 unabhängige Radiologen.In der Studiengruppe sind insgesamt 1118 Emboli identifiziert worden. Für die Risikostratifizierung wurden 13 Patienten mit hoch (Obstruktionsindex > 50 %), 20 Patienten mit mäßig (Obstruktionsindex 21-50 %) und 25 mit gering (Obstruktionsindex ≤ 20 %) eingestuft. Die CAD erreichte eine Sensitivität von 30,7 % und eine durchschnittliche Falsch-negativ-Rate von 4,1 pro Patient bei insgesamt 228 falsch positiven Befunden.

Die Übereinstimmung zwischen den befundenden Radiologen, sowohl im Vergleich zwischen den beiden unerfahrenen einerseits und den 2 erfahrenen Radiologen andererseits als auch zwischen unerfahrenen und erfahrenen Radiologen, wurde mit den CAD-Daten deutlich verbessert. Mit der CAD-Auswertung stiegen die von allen 4 Radiologen erreichten Sensitivitäten signifikant (p = 0,05) von 77-93 % auf 84-95 %. Bei der Risikostratifizierung gab es eine beträchtliche Zahl von Unterbewertungen, überwiegend durch die 2 unerfahrenen Radiologen. Mit den CAD-Daten konnten 33-56 % aller Falschklassifizierungen korrigiert werden.