AI-værktøjet bruger CT-scanninger til at identificere patienter, der er i risiko for nedsat blodgennemstrømning til hjertet

AI-værktøjet bruger CT-scanninger til at identificere patienter, der er i risiko for nedsat blodgennemstrømning til hjertet

Resultater

Cedars-Sinai forskere og kolleger har udviklet et kunstig intelligens (AI) værktøj, der bruger computertomografi (CT) scanninger til at identificere patienter med risiko for nedsat blodgennemstrømning til hjertet. Værktøjet er i stand til præcist at forudsige nedsat blodgennemstrømning i både kranspulsårerne og hjertemusklen. Fordelen ved dette AI-værktøj er, at det potentielt kan bruges i realtid under rutinemæssige patientbesøg til CT-scanninger for at hjælpe læger med at bestemme det næste trin i behandlingsplanen.

baggrund

Koronararterieblokeringer opstår typisk på grund af ophobning af fede plaques. Dette kan begrænse blodgennemstrømningen til hjertet og forårsage brystsmerter, hjerteanfald eller endda død. At identificere, hvilke arterier der er i risiko for nedsat blodgennemstrømning, kan informere lægerne om, hvilke patienter der skal henvises til opfølgende test eller stentplacering. Den nuværende kliniske standard for diagnosticering af nedsat blodgennemstrømning i kranspulsåren kaldes invasiv fraktionel flowreserve (FFR). Den måler trykfaldet i arterierne og beregner, hvor meget hver blokering begrænser blodgennemstrømningen. I mellemtiden er en cardiac positron emission tomography (PET)-scanning en billeddiagnostisk test, der bruger et radioaktivt sporstof til at lede efter nedsat blodgennemstrømning i hjertemusklen.

metode

Efterforskere analyserede data fra 203 patienter, der deltog i en tidligere undersøgelse kaldet PACIFIC-studiet. Som en del af PACIFIC-undersøgelsen gennemgik alle patienter flere tests inden for to uger, inklusive koronar CT-scanning, invasiv koronar angiografi med FFR og hjerte-PET-scanninger. Forskerne udviklede et AI-værktøj, der analyserer træk ved plaques på koronar CT-scanninger og derefter forudsiger sandsynligheden for nedsat blodgennemstrømning på invasive FFR- og PET-scanninger.

indvirkning

Ifølge forfatterne kan dette AI-værktøj integreres i rutineanalysen af ​​koronare CT-scanninger. At have disse oplysninger ved hånden under patientbesøg kan hjælpe læger med at vide, hvilke patienter der bør overvejes til yderligere test, såsom: B. ikke-invasive stresstests eller invasiv koronar angiografi. For nogle patienter ville dette betyde, at man undgår invasiv testning.

dagbog

Forskningen blev offentliggjort i tidsskriftet Circulation: Cardiovascular Imaging.

Ekspertkommentar

"Coronar CT-angiogrammet er førstelinjetesten for brystsmerter, fordi det giver os mulighed for at måle aterosklerotisk plak og forsnævring," sagde Dr. Damini Dey, leder af Quantitative Image Analysis Laboratory ved Biomedical Imaging Research Institute og professor i biomedicinske videnskaber og medicin ved Cedars-Sinai og tilsvarende forfatter til undersøgelsen. "Hvis vi kan integrere CTA-plakdata med stenose med AI for at forudsige svækket FFR, kan vi risikere at stratificere patienterne korrekt for at opdage den funktionelle betydning af stenosen."

Forfattere

Andre Cedars-Sinai forfattere omfatter Andrew Lin, MBBS, PhD; Priscilla McElhinney; Yuka Otaki, MD, PhD; Donghee Han, MD; Alan Kwan, MD; Evangelos Tzolos, MD; Eyal Klein, MD; Keiichiro Kuronuma, MD; Kajetan Grodecki, MD, PhD; Benjamin Shou; Richard Rios, PhD; Nipun Manral, MSc; Sebastien Kadett, cand.scient; Daniel S. Berman, MD; og Piotr J. Slomka, PhD.

finansiering

Forskningen blev støttet af National Heart, Lung, and Blood Institute (prisnummer 1R01HL148787-01A1) og Dr. Miriam og Sheldon G. Adelson Medical Research Foundation støttede.

Kilde:

Cedar Sinai

Reference:

Lin, A., et al. (2022) Maskinlæring fra kvantitativ koronar computertomografi angiografi forudsiger fraktionel flowreserve - defineret iskæmi og nedsat myokardieblodstrøm. Cirkulation: Kardiovaskulær billeddannelse. doi.org/10.1161/CIRCIMAGING.122.014369.

.