Screening af koronararteriesygdom ved hjælp af kunstig intelligensE i ikke-kontrast computertomografi (SAFE-CT)

Siden den sidste opdatering af NICE-retningslinjerne anbefalede computertomografi koronar angiografi (CTCA) som den første undersøgelseslinje for patienter med mistanke om koronararteriesygdom (CAD), har der været en høj byrde i sundhedssystemet og unødvendig udsættelse for stråling og jodholdigt kontrastmiddel, især hos de yngste. Omkring 35 % af de patienter, der i øjeblikket gennemgår CTCA, har normale koronarar, hvilket betyder, at disse patienter blev unødvendigt udsat for stråling og kontrast. En CTCA-screeningsstrategi for at udelukke CAD er nødvendig for at overholde ALARA-principperne ("As Low As Reasonable Achievable"), der forhindrer strålingsrisici, reducerer unødvendige scanninger og dirigerer sundhedsressourcer til dem, der vil drage fordel af en CTCA.

Vi designede SAFE-CT (Screening coronary artery disease using artiFicial intelligence in non-contrast Computed Tomography) undersøgelsen for at udvikle en state-of-art kunstig intelligensmetode til at detektere CAD som defineret på CTCA ved hjælp af højdimensionelle data (radiomik) udvundet fra ikke- -kontrast hjertecomputertomografi (CT). Modellen vil blive trænet i 15.000 forsøgspersoner scannet med parret non-contrast CT og CTCA og eksternt valideret i en uafhængig kohorte på 1.000 forsøgspersoner. I en foreløbig analyse forbedrede ikke-kontrast CT-radiomik calciumscore ydeevne og diskriminerede CAD med en AUC på 0,91 (95 % CI: 0,83-1,00). Algoritmen vil blive konverteret til et brugervenligt plugin for automatisk at afgøre, om patienten har brug for kontrast. Et multicenter-kohortestudie i den virkelige verden vil blive planlagt til software-prospektiv validering og oprettelse af en storstilet proteomisk biobank til støtte for oversættelsen af ​​billeddannende biomarkører på verdensplan.

SAFE-CT kan ændre den nuværende CT-scanningsarbejdsgang ved at skabe software, der nøjagtigt udelukker enhver CAD hos >1/3 af patienter, der henvises til CTCA med lav stråling og ingen kontrast. Denne nøjagtige maskinlæringsmodel vil blive optimeret til at nå >90 % følsomhed og negativ forudsigelsesværdi og vil medføre flere fordele for patienter og sundhedssystemet:

• Forebyggelse af stråling og kontrasteksponering.
• Øget CTCA-scanningskapacitet til komplekse sager.
• Udbredt brug af CT til CAD udelukkelse i akutmodtagelsen og i ambulatorier på centre uden CTCA.
• Forbedret screeningsværktøj for CAD i asymptomatiske forsøgspersoner.
• Op- og nedstrøms omkostningsreduktion.

SAFE-CT-projektet foreslår en sikrere, billigere og personlig CTCA-scanningsstrategi, der fremmer videnskabelig og teknologisk innovation med potentiale til at bringe forbedringer til patientbehandling og klinisk praksis og dermed samfundsmæssig og økonomisk indvirkning.