Kunstig intelligens i nye hjerte-MR-markører for medfødt hjertesygdom (AI-CMR)

Baggrund Et stigende antal børn med kompleks medfødt hjertesygdom (CHD) behandles i dag og overlever til voksenalderen. De har behov for en livslang overvågning for kardiovaskulære komplikationer og en individualiseret behandling.

Ved pædiatrisk aorta- og lungeklapsygdom er de langsigtede komplikationer relateret til valvulær dysfunktion med myokardiefibrose og ventrikulær dysfunktion som følge af langvarig volumen- eller trykoverbelastning. Mange patienter vil have behov for operation eller interventionsbehandling allerede i barndommen, hvor det optimale tidspunkt for indgrebet i forskellige CHD er afgørende, da tidlig behandling kan forhindre irreversibel skade på hjertet.

For at muliggøre påvisning af tilbagevendende eller nye problemer tidligt er der desuden behov for en langsigtet diagnostisk opfølgning, hvor kardiovaskulær magnetisk resonans (CMR) er blevet vigtig for en seriel reproducerbar vurdering af morfologi, funktion og nyligt avancerede metoder til flow og vævskarakterisering . Alligevel kan den kliniske beslutning om det perfekte tidspunkt og type behandling for et barn være vanskelig i mange tilfælde, og der er behov for bedre foranstaltninger.

Formål Dette projekt vil undersøge børn med aorta- og lungeklapsygdom behandlet eller ubehandlet i længderetningen ved hjælp af etablerede CMR-mål med yderligere nyudviklede, lovende, meget raffinerede og klinisk anvendelige kvantitative billeddannende biomarkører, sammenlignet med de konventionelle CMR-estimater. Vi sigter mod at evaluere risikostratificering og undersøge de hæmodynamiske og morfologiske ændringer før og efter interventionel eller kirurgisk behandling på kort og lang sigt. Klinisk betydning Hvis de nye raffinerede CMR-biomarkører kan afsløre forbedret sygdomskarakterisering, kan de afsløre mulige til at hjælpe den kliniske beslutningstagning for at optimere timingen af ​​intervention og forudsige langsigtede komplikationer. Dette kunne bidrage til at individualisere behandlingen og forbedre sundheden hos børn med CHD. Undersøgelsen kan føre til forbedret patientbehandling og brug af socioøkonomiske ressourcer.