Eine neuartige bildgebende quantitative modellgestützte Erkennung von portaler Hypertonie bei Patienten mit Zirrhose (CHESS2104)

China leidet unter der schwersten Belastung durch Lebererkrankungen der Welt. Die Zahl der chronischen Lebererkrankungen beträgt mehr als 400 Millionen. Entweder viral bedingte Hepatitis, alkoholische Hepatitis oder metabolisch bedingte Fetthepatitis usw. können sich zu einer Zirrhose entwickeln, die die öffentliche Gesundheit stark bedroht. Portale Hypertonie ist ein kritischer Risikofaktor, der mit der klinischen Prognose von Patienten mit Zirrhose korreliert. Gemäß dem Konsens zur klinischen Anwendung des hepatischen venösen Druckgradienten in China (2018) prognostiziert ein hepatischer venöser Druckgradient (HVPG) von mehr als 10,12,16,20 mmHg entsprechend unterschiedliche Ergebnisse bei Patienten mit Leberzirrhose-Portalhypertonie. Es ist von großer Bedeutung, ein Risikostratifizierungssystem zu etablieren und ein maßgeschneidertes Management für portale Hypertension bei Zirrhose durchzuführen. Als universeller Goldstandard für die Diagnose und Überwachung der portalen Hypertension bleibt HVPG aufgrund seiner Invasivität für die klinische Anwendung begrenzt. Die Entwicklung einer neuen, nicht-invasiven, genauen und bequemen Methode zur Vorhersage von HVPG ist ein wichtiges allgemeines Problem bei der Behandlung von portaler Hypertonie bei Zirrhose.

Die Entwicklung der Radiomics-Technik bietet einen Ansatz zur Lösung der oben genannten klinischen Probleme. Basierend auf Algorithmen der künstlichen Intelligenz nutzt Radiomics verwertbare, hochauflösende und quantitative Merkmale aus verschlüsselten medizinischen Bildern zusammen mit klinischen oder genetischen Daten, um ein evidenzbasiertes Entscheidungsunterstützungssystem zu erstellen, um die klinischen Ziele einschließlich Diagnose, Bewertung der Behandlungswirkung und zu erreichen Prognose Vorhersage. In diesem Projekt, das auf die Entwicklung eines Risikostratifizierungssystems für das Bluthochdruckmanagement bei Zirrhose abzielt, werden wir eine Standard-of-Care-Datenbank aufbauen und das Radiomics-Tool verwenden, um das Entscheidungsfindungssystem aufzubauen. Wir übernehmen die Verantwortung für die Organ- und Gefäßsegmentierung, die Auswahl radiomischer Merkmale und die Erstellung von Signaturen für die Vorhersage der Bluthochdruckklassifizierung und führen die Entwicklung eines Prototypsystems durch, das vier Module integriert, darunter Datenbankverwaltung, HVPG-Risikostratifizierungsanwendungsmodul und Präsentation des vorhergesagten Ergebnisses Modul und Kurationsmodul für prognostische Informationen. Dieses Projekt wird sich auf zwei Aspekte konzentrieren, nämlich die Optimierung von maschinellen Lernalgorithmen und die Entwicklung von Prototypsystemen, um die Präzisionsmedizin bei Lebererkrankungen zu fördern.