CCTA for at optimere diagnostisk udbytte af invasiv angiografi med AI (CarDIA-AI)

Koronararteriesygdom (CAD) er en førende dødsårsag. Guldstandardtesten, der bruges til at diagnosticere CAD, er invasiv koronar angiografi (ICA). Men næsten halvdelen af ​​de patienter, der modtager ICA, viser sig ikke at have nogen sygdom eller ikke-signifikant sygdom. Det betyder, at mens de får en diagnose, får de ingen terapeutisk fordel. Dette er bekymrende, fordi ICA er dyrt og indebærer en risiko for patienterne. En ikke-invasiv diagnostisk test, cardiac computertomografisk angiografi (CCTA), har vist sig at være lige så effektiv som ICA til at diagnosticere CAD i den rigtige patientpopulation, samtidig med at den er billigere og mindre risikabel for patienterne. En optimal løsning ville involvere screening for at identificere, hvilke patienter der er gode kandidater til CCTA i forhold til hvilke patienter der skal modtage ICA. Dette screeningsværktøj kunne bruges i en triage-vej for at sikre, at hver patient får den test, der er bedst for dem. Efterforskerne har brugt kunstig intelligens (AI) til at udvikle en model til at bestemme, hvilke patienter der skal modtage ICA vs. hvilke der skal modtage CCTA. Efterforskerne har også udviklet en triage-vej til at lede patienter til den mest passende test. Efterforskerne planlægger nu at evaluere AI-værktøjet kombineret med triage-vejen gennem et klinisk forsøg hos Hamilton Health Sciences og Niagara Health. Denne plejemodel vil reducere risikoen for patienterne, reducere ventetider for ICA og reducere omkostningerne for sundhedsvæsenet.