Login
- Originaltitel:
- On the impact of artificial intelligence for refined diagnostic and prognostic resolution in patients with severe aortic stenosis undergoing transcatheter aortic valve replacement
- Übersetzter Titel:
- Über die Bedeutung der künstlichen Intelligenz für eine verbesserte Diagnostik und Prognose bei Patienten mit schwerer Aortenstenose, die sich einem Transkatheter-Aortenklappenersatz unterziehen
- Autor:
- Rippen, Elena Louisa Charlotte
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Medicine and Health
- Institution:
- Klinik und Poliklinik für Innere Medizin I, Kardiologie
- Betreuer:
- Laugwitz, Karl-Ludwig (Prof. Dr.)
- Gutachter:
- Laugwitz, Karl-Ludwig (Prof. Dr.); Xhepa, Erion (Priv.-Doz., Ph.D.); Rückert, Daniel (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- MED Medizin
- TU-Systematik:
- MED 410
- Kurzfassung:
- Aortic stenosis primarily affects older, multimorbid patients. Following successful treatment via transcatheter aortic valve implantation (TAVI), the cardiac damage outside the aortic valve consequently determines prognosis. With artificial intelligence, a detailed phenotyping of these patients was conducted, anticipating recovery or persistence of cardiac damage after TAVI. In the future, early interventions and individualized therapies could improve prognosis in identified high-risk groups.
- Übersetzte Kurzfassung:
- Die Aortenklappenstenose betrifft vor allem ältere, multimorbide Patienten. Nach erfolgreicher Behandlung mittels Aortenklappenprothese (TAVI) bestimmt der Herzschaden außerhalb der Aortenklappe die Prognose. Mithilfe künstlicher Intelligenz wurde eine detaillierte Phänotypisierung der Patienten vorgenommen, die eine Erholung oder Persistenz des Schadens nach TAVI antizipiert. Zukünftig könnten frühe Interventionen und individualisierte Therapien die Prognose der Risikogruppen weiter verbessern.
- WWW:
- https://mediatum.ub.tum.de/?id=1719935
- Eingereicht am:
- 12.09.2023
- Mündliche Prüfung:
- 12.09.2024
- Dateigröße:
- 21029432 bytes
- Seiten:
- 83
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240912-1719935-1-7
- Letzte Änderung:
- 15.10.2024
BibTeX