Die AIPLAQUE-Studie: Eine auf künstlicher Intelligenz basierende prospektive Studie zur Analyse von PLAQUE mithilfe von CCTA

Das akute Koronarsyndrom (ACS) ist weltweit eine der Hauptursachen für den Tod durch koronare Herzkrankheit (KHK). Vulnerable Plaque-Ruptur ist eine primäre zugrunde liegende Ursache von luminaler Thrombose, die für das Provozieren von ACS verantwortlich ist. Daher war die Identifizierung von Hochrisiko-Plaques vor dem Auftreten von ACS ein wichtiges Forschungsziel und erfordert weitere klinische Perspektiven. Die koronare Computertomographie-Angiographie (CCTA) ist ein umfassender, nicht-invasiver und kostengünstiger Ansatz zur bildgebenden Beurteilung, mit dem die Merkmale und die Morphologie atherosklerotischer Plaques mit hohem Risiko im Zusammenhang mit ACS identifiziert werden können. Die optische Kohärenztomographie (OCT) ist ein neues, lichtbasiertes, intravaskuläres Bildgebungsverfahren, das hochauflösende Querschnittsbilder der Koronararterienanatomie liefert. Aufgrund ihrer überlegenen Auflösung ist die OCT genauer bei der Messung der Stellen der Plaque-Anfälligkeit, der Unterscheidung der Unterschiede in ihrer Zusammensetzung, der Information über den anatomischen Schweregrad von Epikardstenosen und liefert auch Eingaben für Computermodelle zur Bewertung des funktionellen Schweregrads.

Die Ziele der Studie sind: (1) Konstruktion eines künstlichen Intelligenzmodells zur Identifizierung von koronaren Plaquekomponenten auf CTA-Bildern unter Verwendung von OCT als Referenzstandard. (2) Durchführen einer Simulation der Strömungsmechanik, einschließlich Blutgefäßwand und Plaque, unter Verwendung geometrischer und physiologischer Modelle von Blutgefäßen und Plaques, und Bereitstellen genauerer Funktionsparameter (CT-FFR).

Die Aufnahmekriterien sind (1) Patienten mit stabiler Angina pectoris oder akutem Koronarsyndrom; (2) Patienten, die die Indikationen für Koronar-CT-Angiographie, perkutane Koronarangiographie und intravaskuläre Bildgebung erfüllen; (3) Unter diesen Patienten sind Patienten, die mindestens eine Koronararterienstenose von 30 % - 90 % Durchmesser ≥ 2 mm haben, bestätigt durch CCTA.

Zu den gesammelten Daten gehören CCTA-, vollständige Angiographie- und OCT-Bilder. In Kombination mit CTA/ICA/OCT-Bildern mehrerer Modalitäten wird diese Studie eine neuartige Bildanalysetechnologie entwickeln, um Gefäßlumen, Plaque-Charakterisierung, flüssig-feste mechanische Eigenschaften und myokardiale Ischämiezustände automatisch mithilfe von Computational Fluid Dynamics (CFD)-Simulation und künstlich zu extrahieren Intelligenz Deep Learning.