Die Mitralklappeninsuffizienz ist eine häufige Herzklappenerkrankung. Mittel- bis hochgradige Formen treten weltweit bei rund 1,56 % der 60-Jährigen auf. Bei über 90-Jährigen sind es etwa 6,45 %.2 Bleibt die Erkrankung unbehandelt, kann sie zu einer Vergrößerung des linken Vorhofs, zu pulmonaler Hypertonie und zu Herzinsuffizienz führen.3 Zur Therapieplanung bei Mitralklappen-Erkrankungen wird häufig die transösophageale Echokardiografie (TEE) eingesetzt.
Patientenindividuelle 3D-Modelle der Klappe können die Beurteilung der Anatomie, einschließlich krankhafter Veränderungen der Segel, erleichtern. Durch die Darstellung der Herzklappe über den gesamten Herzzyklus können zusätzlich funktionelle Veränderungen dargestellt werden. Solche Modelle können eine individuelle Therapieplanung unterstützen und Reparaturstrategien können vorab simuliert werden.4
Datengrundlage sind 3D+t-TEE-Aufnahmen von 36 Patientinnen und Patienten zusammen mit Annotationen durch Expertinnen. In neun Fällen lag eine Mitralklappeninsuffizienz vom Typ I vor, in 27 vom Typ II. Die Klappe wurde im geöffneten5 und im geschlossenen Zustand annotiert, insgesamt in 71 Zeitpunkten. Für geschlossene Klappen wurde ein Annotationsschema entwickelt (Abb. 1), das die Rekonstruktion insuffizienter Klappen erleichtert. Koaptationslinie und Kommissuren dienen als Ausgangspunkt für parallele Konturen. Die Konturen liegen 1 mm auseinander und verlaufen orthogonal zur Achse, die durch die Kommissuren definiert ist. Das anteriore und posteriore Klappensegel werden getrennt annotiert. Nach manueller Korrektur der Konturen wird ein 3D-Oberflächennetz erzeugt.
Der Ansatz nutzt getrennte Labels für das anteriore und posteriore Segel. Außerdem ermöglicht die Annotation über Konturen die Darstellungen komplexer Anatomien wie prolabierender Mitralklappen.
Die Segmentierung nutzt ein KI-Modell, das ein U-Net6 zur Bildsegmentierung mit einem Graph Neural Network kombiniert. Es lernt, ein Herzklappenmodell so zu verformen, dass es der im Bild sichtbaren Anatomie entspricht.
Das Modell erreichte einen mittleren Oberflächenfehler von 2,44 mm. Sowohl für anteriores und posteriores Klappensegel als auch geöffnete und geschlossene Klappe wurden ähnliche Genauigkeiten erreicht. Das Modell erkannte die korrekte Klappenform und erzeugte simulationsfähige Oberflächennetze mit Zuordnung der Netzknoten zu den Segeln. Die größten Abweichungen gab es im Bereich des Annulus und Klappensegelenden und ist hauptsächlich durch die unterschiedliche Länge der Segel zwischen automatischer Segmentierung und Referenzannotation bedingt (Abb. 2).
Der Ansatz ermöglicht eine automatisierte geometrische 3D-Segmentierung der Mitralklappe aus TEE-Bildern und liefert patientenindividuelle Modelle, die sich für Simulationen eignen. Das Annotationsschema und Segmentierungsmodell ermöglichen, insuffiziente Klappen darzustellen. In der Praxis kann so die individualisierte Eingriffsplanung unterstützt werden. Als Nächstes sollen Genauigkeit und Robustheit verbessert werden, vor allem bei der Lage von Annulus und Klappensegelenden.
Zur Übersichtsseite Digitale Kardiologie
