Magyarországon a szív- és érrendszeri betegségek számítanak a vezető haláloknak. A stroke, vagyis a szélütés, különösen súlyos népegészségügyi problémát jelent. Évente mintegy 40 ezer esetet regisztrálnak és körülbelül 10-12 ezer ember hal meg a betegség következtében, miközben több tízezren szenvednek maradandó egészségkárosodást.

A stroke ezzel a harmadik leggyakoribb halálok Magyarországon.

Az aorta-aneurizma gyakran, csak a repedés pillanatában derül ki, és ekkor a halálozási arány rendkívül magas. Az adatok alapján a betegek 80-90 százalékánál végzetes kimenetelű, amennyiben nem jut időben speciális érsebészeti ellátáshoz. Az ilyen súlyos korképek mögött sokszor hosszú ideig tünetmentes, mikroszkopikus érfalgyulladás áll, amelyet a jelenlegi diagnosztikai módszerek csak nehezen képesek korán felismerni.

Kovács Nóra Anna, a Budapesti Műszaki és Gazdaságtudományi Egyetem mérnökinformatikus hallgatójának kutatása erre a „diagnosztikai vakfoltra” keresett technológiai megoldást a 2025-ös K&H STEM pályázat keretében.

A projekt a mesterséges intelligencia és az úgynevezett fotonszámláló CT-technológia (Photon-counting CT) kombinációjára épül. A fejlesztett algoritmus képes automatikusan azonosítani az érrendszer struktúráit a CT-felvételeken, majd adaptív képfeldolgozási módszerekkel elkülöníteni az érfalat a környező szövetektől. Ez lehetővé teszi a gyulladás okozta falmegvastagodás objektív, számszerűsíthető mérését, és akár a kezelés hatásának nyomonkövetését is.