Download PDF
Zentralbl Chir
DOI: 10.1055/a-2773-0963
Originalarbeit

KI-gestützte EVAR-Planung – Erfahrungen in einfachen und komplexen Fällen mit der Digitalen Zwilling-Technologie

AI-Assisted EVAR Planning – Experiences in Simple and Complex Cases with the Digital Twin Technology

Authors

  • Paula R. Keschenau 

    1   Herz-, Kinderherz- und Gefäßchirurgie, Universitätsklinikum Gießen, Gießen, Deutschland (Ringgold ID: RIN14973)

  • Mats-Niklas Doering

    1   Herz-, Kinderherz- und Gefäßchirurgie, Universitätsklinikum Gießen, Gießen, Deutschland (Ringgold ID: RIN14973)

  • Johannes Kalder

    1   Herz-, Kinderherz- und Gefäßchirurgie, Universitätsklinikum Gießen, Gießen, Deutschland (Ringgold ID: RIN14973)
Further Information
Also available at
   Permissions and Reprints

Zusammenfassung

Hintergrund

Ziel der Arbeit ist die Präsentation erster Erfahrungen mit KI-gestützter EVAR-Planung in Fällen unterschiedlicher Komplexität sowie Diskussion des möglichen klinischen Nutzens, aktueller Limitationen und Entwicklungs- sowie Anwendungsperspektiven.

Patienten/Material und Methoden

In die monozentrische Studie wurden von März 2024 bis April 2025 prospektiv die ersten infrarenalen und komplexen EVAR-Fälle eingeschlossen, die unter Verwendung der KI-basierten Digitalen Zwilling-Technologie (Predisurge SAS, St. Etienne, Frankreich) präoperativ simuliert wurden. Es wurde die Übereinstimmung zwischen Simulation, klinischer Planung und postoperativen Ergebnissen hinsichtlich des Auftretens von Typ-Ia-Endoleaks nach infrarenaler EVAR und hinsichtlich Zielgefäßkomplikationen bei der Implantation von fenestrierten/gebranchten Endoprothesen (F/BEVAR) beurteilt. Zudem wurde der potenzielle Einfluss der Simulation auf Therapieentscheidungen erhoben.

Ergebnisse

Neun infrarenale EVAR-Fälle (9 männlich, medianes Alter 74 [61–80] Jahre) und 10 F/BEVAR-Fälle (4 männlich, medianes Alter 73 [58–82] Jahre) wurden eingeschlossen. 7/9 Patienten mit infrarenaler Pathologie wurden mit Endurant-IIs-Endoprothesen (Medtronic, Dublin, Irland) behandelt, 1 Patient mit einer Zenith-Alpha-Endoprothese (Cook Medical, Australia Pty Ltd., Brisbane, Australien) und 1 Patient mittels Anaconda-Endoprothese (Terumo Aortic, Inchinnan, Schottland). In 2 Fällen wurde aufgrund des Simulationsergebnisses ein größerer Hauptkörper gewählt. In 3 Fällen zeigte die Simulation einen erhöhten Endoleak-Risk-Index (ERI), ohne dass ein Endoleak Typ Ia beobachtet wurde. In diesen Fällen bestand eine Diskrepanz zur Einschätzung durch den Operateur. Bei den F/BEVAR-Patienten (7/10 Cook Medical, 3/10 Terumo Aortic) führte die Simulation zu einer Veränderung des Designs oder der Fensterposition (je 1/10) und ließ Zielgefäßkomplikationen vorausahnen (3/10).

Schlussfolgerung

Die KI-gestützte EVAR-Planung befindet sich noch im Anfangsstadium, bietet jedoch vielfältige Weiterentwicklungsmöglichkeiten, die mit Spannung für die Zukunft zu erwarten sind. Die ersten klinischen Erfahrungen sind vielversprechend, jedoch sind weitere Studien mit größeren Fallzahlen abzuwarten. Es ist davon auszugehen, dass die präoperative KI-gestützte EVAR-Simulation zukünftig nicht nur im klinischen Einsatz bei der Therapieplanung einfacher und komplexer Fälle, sondern auch im Rahmen von Aus- und Weiterbildung eine relevante Rolle spielen wird.

Abstract

Background

The aim of this study is to present initial experiences with AI-assisted EVAR planning in cases of different complexity, and to discuss its potential clinical benefits, current limitations, and future development perspectives.

Patients/Materials and Methods

Starting from March 2024, this single centre study included prospectively the first infrarenal and complex EVAR cases that were planned with additional preoperative simulation using the AI-based Digital Twin technology (Predisurge SAS, St. Etienne, France). The study assessed the concordance between simulation results, clinical planning, and postoperative outcomes, focusing on the occurrence of Type Ia endoleaks after infrarenal EVAR and target vessel complications during the implantation of fenestrated/branched endografts (F/BEVAR). Additionally, the potential impact of the simulation on therapeutic decision-making was evaluated.

Results

9 infrarenal EVAR cases (all male, median age 74 [61–80] years) and 10 F/BEVAR cases (4 male, median age 73 [58–82] years) were included. 7/9 patients with infrarenal pathology were treated with Endurant IIs endografts (Medtronic, Dublin, Ireland), one patient with a Zenith Alpha endograft (Cook Medical, Australia Pty Ltd., Brisbane, Australia), and one patient with an Anaconda endograft (Terumo Aortic, Inchinnan, Scotland). In 2 cases, a larger main body was selected based on the simulation results. In 3 cases, the simulation indicated an elevated Endoleak Risk Index (ERI), although no Type Ia endoleak was observed during follow-up; in these cases, the simulation results differed from the surgeon’s assessment. Among the F/BEVAR patients (7/10 Cook Medical, 3/10 Terumo Aortic), the simulation led to a change in graft design or fenestration position (1/10 each) and predicted target vessel complications in three cases.

Conclusion

AI-assisted EVAR planning is still in its early stages but offers numerous opportunities for further development, which are eagerly anticipated. Initial clinical experiences are promising; however, larger studies are needed to confirm and validate these findings. It is expected that preoperative AI-assisted EVAR simulation will play a significant role in the future - not only in clinical decision-making for both simple and complex cases, but also in education and training.

Schlüsselwörter

Aortenaneurysma - computergestützte Chirurgie - Endograft - Endoleak - endovaskuläre Therapie

Keywords

aortic aneurysm - computed-based surgery - endograft - endoleak - endovascular treatment


Publication History

Received: 11 May 2025

Accepted after revision: 08 December 2025

Article published online:
21 January 2026

© 2026. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany