Kunstig intelligens-assisteret evaluering af pulmonal hypertension (AIPHY)

Patienter med pulmonal hypertension (PH) repræsenterer en udfordrende og heterogen kohorte med høj morbiditet og dødelighed, hvis de ikke behandles. For at stille en endelig diagnose af PH skal man udføre en invasiv højre hjertekateterisering (RHC) for at vurdere det gennemsnitlige pulmonale arterietryk (mPAP). Da PH forekommer sporadisk ved forskellige medicinske tilstande, herunder bindevævssygdomme og medfødt hjertesygdom, og symptomerne er uspecifikke, er der behov for at rejse mistanke om PH tidligt i samfundet. Af denne grund ville ikke-invasive værktøjer, der er bredt tilgængelige til forhåndsscreening, være ideelle til at muliggøre rettidig diagnose af PH. Transthorax ekkokardiografi er dukket op som grundpillen for screening af PH, men sensitiviteten og specificiteten af ​​denne tilgang forbliver begrænset selv i erfarne hænder. Efterhånden som high-throughput-teknologier udvikler sig, og adgangen til PH big data forbedres, vil det være afgørende med forsigtighed at vælge kunstig intelligens-tilgange til dataanalyse, visualisering og fortolkning. Ved at kombinere de multimodale kliniske data (såsom indikatorer fra røntgen af ​​thorax, elektrokardiografi og ekkokardiografi) sigter denne undersøgelse på at udvikle kunstig intelligens-assisterede programmer til at hjælpe med screening og diagnosticering af PH og at evaluere dens diagnostiske nøjagtighed for PH som sammenlignet med RHC, og at estimere om denne tilgang overgår den konventionelle ekkokardiografiske metode.