Zusammenfassung
Da immer mehr Kinder mit angeborenem Herzfehler (AHF) überleben und ins Erwachsenenalter
eintreten, sind nunmehr rund zwei Drittel der aktuellen AHF-Patienten Erwachsene mit
angeborenen Herzfehlern (EMAH). Es wird geschätzt, dass in Deutschland aktuell ca. 350000
EMAH-Patienten leben, wobei die Zahl weiter rasch zunimmt. Die lebenslange kardiologische
Anbindung von EMAH-Patienten ist nach aktuellen Leitlinienempfehlungen erforderlich und mit
einer niedrigeren Letalität und Morbidität assoziiert. Somit ist die ausschließliche
hausärztliche Versorgung von EMAH-Patienten nicht ausreichend. EMAH-Patienten sind an
spezialisierte EMAH-Zentren/bei EMAH-Kardiologen anzubinden und sollten gemeinschaftlich mit
niedergelassenen kardiologischen Kollegen behandelt werden. Big Data und Methoden des
maschinellen Lernens sind integraler Bestandteil der Forschungsbemühungen bei EMAH-Patienten,
die unter einer chronischen, lebenslangen Erkrankung leiden. Methoden der künstlichen
Intelligenz werden die Versorgung von EMAH-Patienten in Zukunft effizienter machen und die
Reproduzierbarkeit von Bildgebungsuntersuchungen erhöhen.
Abstract
As more and more children with congenital heart disease (CHD) survive and enter adulthood,
around two thirds of current CHD patients are now adults with congenital heart defects (ACHD).
It is estimated that there are currently around 350000 ACHD patients in Germany, with the
number growing rapidly. Lifelong specialized care is required according to current guideline
recommendations and is associated with lower mortality and morbidity. Thus, the isolated care
of ACHD patients by general practitioners is not sufficient. ACHD patients should be linked to
specialized ACHD centers/ACHD cardiologists and should be treated jointly with office based
general cardiological colleagues. Big data and machine learning methods are an integral part
of research efforts in ACHD representing a chronic, lifelong disease. Artificial intelligence
methods will make the care of ACHD patients more efficient in the future and increase the
reproducibility of imaging examinations.
Schlüsselwörter Erwachsene mit angeborenen Herzfehlern - Versorgung - Big Data - Versorgungsstrukturen und Versorgungsforschung - künstliche Intelligenz - angeborene Herzfehler
Keywords adult congenital heart disease - congenital heart disease - machine learning - big data
