SummaryIn dieser Studie sollen etablierte sowie neuartige bildbasierte Marker der Körperzusammensetzung, der Herz- und Body-Bildgebung aus MRT-Daten der NAKO systematisch analysiert werden. Mithilfe von KI-gestützten Auswertungsverfahren werden Parameter wie Muskel-, Fett-, und Knochenmasse, Myosteatose, hepatische Steatose, viszerales und subkutanes Fett, und epikardiales sowie perikardiales Fettgewebe quantitativ erfasst. Ergänzend werden strukturelle und funktionelle Parameter der kardialen MRT – einschließlich kardialer Volumetrie, systolischer Funktion, Deformation (Strain) und Gewebeeigenschaften wie T1-Relaxationszeiten – einbezogen. Ziel ist es, den prognostischen Wert dieser Bildgebungsparameter im Hinblick auf die Entstehung und das Fortschreiten onkologischer und metabolischer Erkrankungen (wie Diabetes mellitus, arterielle Hypertonie, Hyperurikämie und Hypertriglyzeridämie) sowie kardiovaskulärer Komplikationen (z. B. Myokardinfarkt, Herzinsuffizienz, Rhythmusstörungen) weitergehend zu evaluieren. Dies wird perspektivisch dazu beitragen, bildbasierte Biomarker für eine frühzeitige Risikostratifizierung in der Bevölkerung zu etablieren.

Keywords Body-Composition Deep-Learning Fettgewebe Herz Künstliche-Intelligenz Muskulatur Onkologie kardiometabolische-Gesundheit

InstitutionsUniversitätsklinikum Hamburg-Eppendorf, Deutsches Herzzentrum München, Technische Universität München