Identifikation af neoaterosklerose hos ISR-patienter baseret på kunstig intelligens

Drug Eluting Stents (DES) reducerer frekvensen af ​​in-stent restenose (ISR) til 3,6-10%. Baseret på den store population af patienter er ISR stadig et vigtigt problem inden for hjerte-kar-sygdomme. Hvordan man kan reducere forekomsten af ​​ISR og behandlingen af ​​ISR er blevet fokus og hot spot. 2018 ESC Guidelines for Cardiovascular Intervention anbefaler behandling af ISR under vejledning af intravaskulær ultralyd (IVUS) eller optisk kohærent tomografi (OCT). Den europæiske ekspertkonsensus om intravaskulær billeddannelse, udgivet i 2018, anbefaler at finde de underliggende mekanismer for ISR gennem intravaskulær billeddannelsesvejledning (IVUS eller OCT) og fastlægge terapeutiske strategier baseret på mekanismerne. Circulation udgav en ny Waksman ISR-klassificering baseret på mekanismer og komponenter i restenosevævet, som giver vejledning i behandlingsstrategi. Brugen af ​​intravaskulær billeddannelse til at identificere og klassificere typer og mekanismer er meget vigtig for ISR behandlingsstrategi. På grund af sin gode opløsning gør OCT det mere nøjagtigt at skelne mellem komponenterne i vaskulært væv og giver dermed et beslutningsgrundlag for interventionel terapi. OCT-undersøgelse kan få karakteristika for ISR mere præcist. Neoaterosklerose (NA), er en af ​​ISR-typerne og tegner sig for mere stentsvigt og mållæsionssvigt end andre typer. Identifikation af NA er vigtig for beslutningstagning af interventionel terapi. Indsamling og analyse af OCT-billeder kræver dog ikke kun den digitale angiografimaskine (DSA) udstyret med de fleste hospitaler, men kræver også professionelt OCT-billeddannelsesudstyr og -teknikere. Patienter med svær CKD kan ikke tåle OCT-undersøgelse på grund af den store mængde kontrastmiddel. OCT kateteret er mere end ti gange prisen på CAG kateteret. Derfor er identifikation af NA ved brug af kunstig intelligens (AI) af betydning for fastlæggelse af terapeutisk strategi for ISR-patienter, især hos patienter med CKD. Vores undersøgelse analyserede retrospektivt CAG-billeder og OCT-billeder af ISR-patienter opnået fra 1. januar 2015 til 31. januar 2020. Offline OCT-analyse blev udført ved hjælp af dedikeret software (Light Lab Imaging Inc, Westford, MA). Alle billeder blev analyseret ved hver ramme i stentene af 2 uafhængige efterforskere, som var blindet for de angiografiske og kliniske fund. Identificer NA ved at analysere OCT-billeder, opbyg U-net og V-net for at analysere CAG- og OCT-billederne og opbyg endelig et identifikationssystem af NA baseret på CAG-billeder af AI. Denne undersøgelse er blevet godkendt af den etiske komité på det kinesiske PLA General Hospital (S2018-033-01)