En ny billeddiagnostisk baseret kvantitativ modelstøttet påvisning af portalhypertension hos patienter med cirrhosis (CHESS2104)

Kina lider af den tungeste byrde af leversygdomme i verden. Antallet af kroniske leversygdomme er mere end 400 millioner. Enten virusrelateret hepatitis, alkoholisk hepatitis eller metabolisk-relateret fedthepatitis osv. kan udvikle sig til skrumpelever, som i høj grad truer folkesundheden. Portal hypertension er en kritisk risikofaktor, der korrelerer med klinisk prognose for patienter med cirrhose. Ifølge konsensus om klinisk anvendelse af hepatisk venøs trykgradient i Kina (2018) forudsiger hepatisk venøs trykgradient (HVPG) større end 10,12,16,20 mmHg tilsvarende forskellige udfald af patienter med cirrhosis portal hypertension. Det er af stor betydning at etablere et risikostratificeringssystem og udføre skræddersyet håndtering af portalhypertension ved cirrhose. Som en universel guldstandard til diagnosticering og overvågning af portalhypertension er HVPG fortsat begrænsning for klinisk anvendelse på grund af dets invasivitet. Hvordan man konstruerer en ny, ikke-invasiv, nøjagtig og bekvem metode til at opnå forudsigelse af HVPG er et vigtigt generelt problem i håndteringen af ​​portal hypertension i cirrose.

Udviklingen af ​​radiomik teknik giver en tilgang til at løse ovennævnte kliniske problemer. Baseret på algoritmer for kunstig intelligens udnytter radiomik minebare, højopløselige og kvantitative funktioner fra krypterede medicinske billeder sammen med kliniske eller genetiske data for at producere evidensbaseret beslutningsstøttesystem for at nå de kliniske mål, herunder diagnose, evaluering af behandlingseffekt og prognose forudsigelse. I dette projekt, der sigter mod udvikling af et risikostratificeringssystem til hypertensionshåndtering i cirrose, vil vi konstruere en standard-of-care database og bruge radiomiksværktøj til at konstruere beslutningstagningssystemet. Vi vil tage ansvar for opnåelse af organ- og karsegmentering, valg af radiomiske egenskaber og signaturkonstruktion til forudsigelse af hypertensionsklassificering og gennemføre udviklingen af ​​et prototypesystem, som vil integrere fire moduler, herunder databasestyring, HVPG risikostratificeringsapplikationsmodul, præsentation af forudsagt resultat modul og prognostisk informationskurationsmodul. Dette projekt vil fokusere på to aspekter, som tilsvarende er maskinlæringsalgoritmer optimering og prototype systemudvikling, for at fremme præcisionsmedicinen ved leversygdom.