
Die Photon-counting-Computertomographie (PCCT) stellt einen bedeutsamen technologischen Fortschritt in der kardiovaskulären Computertomographie (CT) dar. Durch die direkte Umwandlung einzelner Röntgenphotonen in elektrische Signale und die gleichzeitige Messung ihrer Energie mithilfe von Semikonduktoren überwindet die PCCT die intrinsischen technischen Limitationen der herkömmlichen energieintegrierenden Detektor-CT (EID-CT), hinsichtlich elektronischen Rauschens, begrenzter räumlicher Auflösung und Artefakten. Diese sind besonders relevant in der kardiovaskulären Bildgebung, wo die Visualisierung von kleinen Koronargefäßen, die Treffsicherheit des Stenosegradings beim Vorliegen von stark verkalkten Plaques Koronarstents mit EID-CT eingeschränkt ist. Rezente klinische Studien konnten bereits Fortschritte in der Quantifizierung des Stenosegrades zeigen, und eine verbesserte Beurteilbarkeit von Koronarstents. Darüber hinaus ermöglicht die spektrale Bildanalyse mittels PCCT neue kardiovaskuläre Anwendungen einschließlich virtueller monoenergetischer Bildgebung, Jod-Mapping, Charakterisierung von Myokardgewebe, Quantifizierung des extrazellulären Volumens (EZV) und Myokard-Perfusionsbildgebung – eine Kombination aus anatomischer Bildgebung und funktioneller Beurteilung. Jenseits der verbesserten Bildqualität ermöglicht die PCCT eine Reduzierung der Strahlenexposition und der jodhaltigen Kontrastmittelmenge. Diese Übersichtsarbeit umfasst die aktuelle wissenschaftliche Evidenzlage, beschreibt das klinische Anwendungsspektrum in der kardiovaskulären Bildgebung und diskutiert zukünftige Perspektiven sowie neue Applikationen.
Große Sprachmodelle (Large Language Models, LLMs) haben innerhalb kurzer Zeit verändert, wie Menschen mit künstlicher Intelligenz interagieren. Auch in der Medizin werden sie zunehmend zur Dokumentation, Informationsaufbereitung und Entscheidungsunterstützung eingesetzt. In der Regel endet ihre Aufgabe jedoch mit einem Ergebnis – etwa einem Text, einer Zusammenfassung oder einer Empfehlung. Die daraus folgenden Arbeitsschritte müssen weiterhin durch den Menschen durchgeführt werden. KI-Agenten gehen einen Schritt weiter. Sie verfolgen ein definiertes Ziel, können Aufgaben in mehrere Schritte zerlegen, externe Informationsquellen und digitale Werkzeuge nutzen und ihr weiteres Vorgehen anhand von Zwischenergebnissen anpassen. Erste Anwendungen werden u. a. in der klinischen Dokumentation, Entscheidungsunterstützung, im Monitoring sowie in der medizinischen Aus- und Weiterbildung untersucht. Dabei reicht das Spektrum von einzelnen Agenten bis hin zu Multi-Agent-Systemen, in denen mehrere spezialisierte Komponenten zusammenarbeiten. Die klinische Entwicklung steht allerdings noch am Anfang. Die meisten bislang beschriebenen Systeme wurden in technischen oder simulierten Umgebungen untersucht, während prospektive klinische Daten weiterhin begrenzt sind. Sobald KI-Agenten eigenständig Arbeitsschritte ausführen, steigen die Anforderungen an Sicherheit, Datenschutz, Regulierung, technische Integration und menschliche Kontrolle. Gleichzeitig eröffnet dies die Chance, klinische Abläufe neu zu denken und zeitaufwendige Prozesse gezielt zu entlasten. Krankenhäuser, Abteilungen und Praxen sollten daher frühzeitig geeignete Anwendungsfälle identifizieren und klare Verantwortlichkeiten für deren Umsetzung schaffen.