SummaryDieses Forschungsprojekt zielt darauf ab, die Präzision der Risikovorhersage für kardiovaskuläre Erkrankungen zu verbessern. Durch die Integration von KI-gestützten MRT-basierten Body Composition Analysen mit klinischen Biomarkern und Lebensstilfaktoren aus der NAKO Gesundheitsstudie streben wir eine Optimierung der personalisierten Prävention an. Unser Ansatz nutzt fortschrittliche Deep Learning-Techniken, um spezifische Gewebemarker zu identifizieren, die mit einem erhöhten Risiko für kardiovaskuläre Erkrankungen assoziiert sind. Diese Methodik ermöglicht es uns, ein umfassendes und hochpräzises Risikoprofil für jeden Patienten zu erstellen, das über die Möglichkeiten herkömmlicher Risikovorhersagemodelle hinausgeht. Das übergeordnete Ziel ist die Entwicklung maßgeschneiderter, evidenzbasierter Präventionsstrategien, die das individuelle Risikoprofil jedes Patienten berücksichtigen und somit die personalisierte Medizin in der kardiovaskulären Prävention unterstützen.

Keywords Chronische-Erkrankungen Körperzusammensetzung Künstliche-Intelligenz Metabolische-Profile Multimodale-Bildgebungbung Präzisionsprävention

InstitutionsTechnische Universität München, Deutsches Herzzentrum München, Klinikum rechts der Isar/Institut