AI-verktøyet bruker CT-skanninger for å identifisere pasienter som er i fare for redusert blodtilførsel til hjertet

AI-verktøyet bruker CT-skanninger for å identifisere pasienter som er i fare for redusert blodtilførsel til hjertet

Resultater

Cedars-Sinai forskere og kolleger har utviklet et kunstig intelligens (AI) verktøy som bruker computertomografi (CT) skanninger for å identifisere pasienter med risiko for redusert blodtilførsel til hjertet. Verktøyet er i stand til nøyaktig å forutsi redusert blodstrøm i både kranspulsårene og hjertemuskelen. Fordelen med dette AI-verktøyet er at det potensielt kan brukes i sanntid under rutinemessige pasientbesøk for CT-skanninger for å hjelpe leger med å bestemme neste trinn i behandlingsplanen.

bakgrunn

Koronararterieblokkeringer oppstår vanligvis på grunn av oppbygging av fettplakk. Dette kan begrense blodstrømmen til hjertet og forårsake brystsmerter, hjerteinfarkt eller til og med død. Å identifisere hvilke arterier som er i fare for redusert blodgjennomstrømning kan informere leger om hvilke pasienter som bør henvises til oppfølgingstesting eller stentplassering. Den gjeldende kliniske standarden for diagnostisering av redusert blodstrøm i koronararterie kalles invasiv fraksjonell strømningsreserve (FFR). Den måler trykkfallet i arteriene og beregner hvor mye hver blokkering begrenser blodstrømmen. I mellomtiden er en PET-skanning (cardiac positron emission tomography) en bildediagnostisk test som bruker et radioaktivt sporstoff for å se etter redusert blodstrøm i hjertemuskelen.

metode

Etterforskere analyserte data fra 203 pasienter som deltok i en tidligere studie kalt PACIFIC-studien. Som en del av PACIFIC-studien gjennomgikk alle pasienter flere tester innen to uker, inkludert koronar CT-skanning, invasiv koronar angiografi med FFR og hjerte-PET-skanning. Forskerne utviklet et AI-verktøy som analyserer trekk ved plakkene på koronar CT-skanning og deretter forutsier sannsynligheten for redusert blodstrøm på invasive FFR- og PET-skanninger.

påvirkning

Ifølge forfatterne kan dette AI-verktøyet integreres i rutineanalysen av koronar CT-skanning. Å ha denne informasjonen tilgjengelig under pasientbesøk kan hjelpe leger å vite hvilke pasienter som bør vurderes for videre testing, for eksempel: B. ikke-invasive stresstester eller invasiv koronar angiografi. For noen pasienter vil dette bety å unngå invasiv testing.

dagbok

Forskningen ble publisert i tidsskriftet Circulation: Cardiovascular Imaging.

Ekspertkommentar

"Kronar CT-angiogrammet er førstelinjetesten for brystsmerter fordi det lar oss måle aterosklerotisk plakk og innsnevring," sa Dr. Damini Dey, leder for Quantitative Image Analysis Laboratory ved Biomedical Imaging Research Institute og professor i biomedisinsk vitenskap og medisin ved Cedars-Sinai og tilsvarende forfatter av studien. "Hvis vi kan integrere CTA-plakkdata med stenose med AI for å forutsi svekket FFR, kan vi risikere å stratifisere pasienter riktig for å oppdage den funksjonelle betydningen av stenosen."

Forfattere

Andre Cedars-Sinai forfattere inkluderer 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, MSc; Daniel S. Berman, MD; og Piotr J. Slomka, PhD.

finansiering

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

Kilde:

Cedar Sinai

Referanse:

Lin, A., et al. (2022) Maskinlæring fra kvantitativ koronar computertomografi angiografi forutsier fraksjonert strømningsreserve - definert iskemi og nedsatt myokardblodstrøm. Sirkulasjon: Kardiovaskulær avbildning. doi.org/10.1161/CIRCIMAGING.122.014369.

.