Optimalizovaný multimodální přístup strojového učení během kardiotoxické chemoterapie k předpovědi vznikajícího srdečního selhání (MERMAID)

Tento projekt vyvine přístup automatizovaného strojového učení využívající multimodální data (zobrazovací, laboratorní, elektrokardiografická a dotazníková) ke zvýšení porozumění a predikce vznikajícího srdečního selhání u pacientů, u nichž je plánována kardiotoxická chemoterapie. Tento algoritmus bude vyvinut partnerem pro technickou spolupráci prof. Adamem, který vede Technion, institut pro biomedicínské inženýrství.

Konkrétní cíle:

1. Shromáždit všechna dosažitelná data od pacientů naplánovaných na kardiotoxickou chemoterapii na začátku, do 6 měsíců po ukončení terapie – týkající se zobrazování (MRI, echokardiografie s konvenčním a kmenovým parametrem), elektrokardiografie, biomedicínských markerů (k definování funkce jater, ledvin, srdce a hematopoetická kostní dřeň), dotazník klinického parametru a kvality života:
2. Optimalizovat a vyhodnotit robustní přístup strojového učení, který integruje a vyhodnotí všechna tato data k detekci časného poškození myokardu a k identifikaci optimálního parametru (jednotlivě nebo v kombinaci) pro predikci subklinické dysfunkce levé komory (LV) (fáze 1 současné studie ).
3. Provést klinickou studii (etapa 2 současné studie) u pacientů s chemoterapií a identifikovat subklinickou dysfunkci LK, která bude použita k vedení kardioprotektivní terapie pomocí nového přístupu strojového učení ve srovnání se skutečným standardním postupem využívajícím pouze echokardiografickou levou komoru ejekční frakce (LVEF).

Účelem této studie je vyhodnotit a optimalizovat přístup strojového učení pro kombinování a integraci dat z různých zobrazovacích modalit s laboratorními, elektrokardiografickými a dotazníkovými informacemi za účelem definování hodnoty všech těchto parametrů v péči o pacienta pomocí identifikace subklinické dysfunkce LK, která budou použity k vedení kardioprotektivní terapie ve srovnání se standardním přístupem využívajícím pouze konvenční echokardiografické parametry.

MRI, konvenční echokardiografické parametry a echokardiografické zobrazení deformace myokardu využívají různé modality a přístupy k získání náhledu na tkáň a deformaci myokardu. Předpokládáme, že nový a optimalizovaný automatizovaný algoritmus využívající tyto modality a integrující laboratorní, elektrokardiografické a dotazníkové informace zlepší detekci časných dysfunkcí LK a přinese nový pohled na potenciální odpověď chemoterapeutů na kardiotoxickou léčbu. Očekáváme, že tento algoritmus povede k použití doplňkové terapie, která omezí rozvoj dysfunkce LK, přerušení chemoterapie a rozvoj srdečního selhání ve sledování a tím sníží morbiditu a náklady.