CMR-AI a výsledky u aortální stenózy

Umělá inteligence (AI) a strojové učení přetvářejí naši každodenní klinickou praxi, která má potenciál být efektivnější, přesnější a personalizovanější. Přijetí těchto technologií při zobrazování srdce neovlivňuje pouze rozhodování díky lepší přesnosti a stratifikaci rizika, ale také významně snižuje dobu skenování a zpracování po zobrazení.

Současné doporučené postupy uznávají zobrazování srdeční magnetickou rezonancí (CMR) jako zlatý standard pro hodnocení struktury a funkce myokardu. Ačkoli mají zásadní význam u různých srdečních onemocnění, měření velikosti, hmotnosti a ejekční frakce (EF) jsou vadná inherentní variabilitou a subjektivitou lidské analýzy. Nedávný vývoj v hlubokém učení pomocí konvolučních neuronových sítí (CNN) umožňuje automatizovanou segmentaci komorové krve a myokardu pomocí již existujících datových souborů CMR. Důležité je, že tyto nástroje jsou integrovány do skenerů CMR a generují měření v reálném čase bez nutnosti časově náročného následného zpracování obrazu. Modely na bázi umělé inteligence již dříve prokázaly vynikající přesnost měření kontury komor, volumetrie a maximální tloušťky stěny, čímž předčily klinické odborníky.

U pacientů s aortální stenózou (AS) dochází ke změnám EF častěji v pozdním průběhu chorobného procesu. Podélné zkrácení představuje časnější a citlivější marker dysfunkce levé komory (LK). Tato měření však zůstávají subjektivní, časově náročná, a proto se rutinně neprovádějí kvůli nedostatku automatizované analýzy. Nedávno bylo prokázáno, že globální podélné zkracování (GLS) a mitrální systolická exkurze prstencové roviny (MAPSE) měřené AI poskytují reprodukovatelnější a přesnější výsledky ve srovnání s lidskými odborníky. Vyšetřovatelé předpokládají, že GLS a MAPSE založené na AI by mohly zprostředkovat důležité prognostické informace mimo LVEF u těžké AS a představují časné markery nepříznivé srdeční remodelace.

Kromě toho vědci mohli již dříve prokázat, že dysfunkce pravé komory (RV) na CMR, spíše než konvenční parametry hodnocené echokardiografií, byla nezávisle spojena s výsledkem u jedinců s AS podstupujících transkatétrovou implantaci aortální chlopně. Vyšetřovatelé se snaží rozšířit naše zjištění a zkoumat, zda RV GLS na bázi AI a trikuspidální systolická exkurze prstencové roviny (TAPSE) představují časné markery dysfunkce RV indikující nepříznivou prognózu.

Konečně, hodnocení reverzní srdeční remodelace pomocí CMR vyžaduje vysokou přesnost (= reprodukovatelnost). Bylo prokázáno, že umělá inteligence překonává lidi v přesnosti i přesnosti, a proto má velký potenciál pro komplexní hodnocení podélných strukturálních změn AS po náhradě chlopně. Cílem výzkumných pracovníků je analyzovat reverzní srdeční remodelaci u pacientů s AS pomocí nové technologie AI.

Cíle

S významnými předchozími příspěvky v oblasti srdečního zobrazování a chlopňových onemocnění srdce, které byly provedeny v minulosti, se výzkumníci zaměřují na rozšíření znalostí v této oblasti tím, že prozkoumají následující:

• Asociace AI naměřených LV a RV strukturálních a funkčních markerů na CMR u pacientů s těžkou AS s klinickými výsledky po náhradě aortální chlopně (AVR).
• Reverzní srdeční remodelace na začátku až 12 měsíců po AVR, jak bylo stanoveno metodami CMR založenými na AI.
• Konečným cílem je poskytnout automatizované, přesné a časově úsporné algoritmy k identifikaci rizikových pacientů podstupujících AVR.

Metody

Jedná se o rozsáhlou mezinárodní, multicentrickou, multikohortní, observační studii. K účasti budou pozváni pacienti s těžkou degenerativní AS plánovanou na diskusi o léčbě chlopní v interdisciplinárním srdečním týmu. Zápis bude proveden prospektivně v sedmi univerzitních střediscích terciární péče v kontinentální Evropě, Velké Británii a Asii.

Základní hodnocení sestává z anamnézy, fyzikálního vyšetření, rutinních krevních testů, elektrokardiogramu, echokardiografie a CMR zobrazení. Pacienti budou prospektivně sledováni ambulantně po 12 měsících. Kromě toho se CMR bude opakovat po 1 roce.