AI-basierter Vorhersagemodell für iliofemoralische DVT-Thrombolyse

Diese prospektive Studie mit Einzelarmkohorten zielt darauf ab, ein KI-angetriebenes Vorhersagemodell für die Behandlungsergebnisse bei Patienten mit akuten umfangreichen iliofemoralen Thrombose (IF-DVT) zu entwickeln, die einer stentfreien pharmakomechanischen Thrombolyse unterzogen werden. Die Studie befasst sich mit dem aktuellen Mangel an validierten Instrumenten für die Auswahl der Patienten und der Ergebnisvorhersage bei kathetergerichteten Interventionen für die proximale DVT.

Dreißig aufeinanderfolgende erwachsene Patienten mit MRV-bestätigter akuter IF-DVT unterziehen sich einer pharmakomechanischen Thrombolyse unter Verwendung des Angiojet ZelantedVT-Systems mit zusätzlicher RTPA-Verabreichung.

Das Hauptziel ist es, ein Faltungs-Neural-Netzwerk (CNN) zu entwickeln, das auf seriellen MRV-Bildgebungsdaten trainiert wurde, um den dreimonatigen Erfolg der venösen Recanalisierung vorherzusagen. MRV-Akquisitionen treten zu Studienbeginn, Vorhersehung und dreimonatiger Follow-up auf. Die Segmentierung der Bodenwahrheit wird von einem erfahrenen Radiologen mit 3D-Slicer mit semiautomatischer Ausbreitung über den Datensatz durchgeführt. Die Merkmalextraktion umfasst geometrische Metriken, radiomische Texturanalyse und morphologische Eigenschaften sowohl der Thrombus- als auch der Gefäßarchitektur.

Zu den sekundären Endpunkten gehören die Inzidenz der akuten Nierenverletzung (ein bedeutendes Problem bei der rheolytischen Thrombektomie aufgrund der durch Hämolyse induzierten Nephrotoxizität), die Entwicklung des post-thrombotischen Syndroms, die durch Villalta-Bewertung beurteilt wurden, und verschiedene Sicherheitsergebnisse, einschließlich der Kriterien für die Hauptblutung.

Das Studienprotokoll enthält eine strenge Überwachung von AKI unter Verwendung von KDIGO -Kriterien mit systematischer Bewertung der Nierenfunktion, Hämolysemarker und Elektrolytbilanz. Hydratationsprotokolle und nephroprotektive Maßnahmen werden standardisiert, obwohl bestimmte Strategien das Nephrologie -Team klären.

Diese Forschung befasst sich mit kritischen Lücken in der evidenzbasierten Patientenauswahl für die invasive DVT-Behandlung, insbesondere nach den gemischten Ergebnissen der Anziehungsstudie. Das AI-Vorhersagemodell könnte personalisierte Behandlungsentscheidungen ermöglichen und möglicherweise das Risiko-Nutzen-Verhältnis von pharmakomechanischen Interventionen verbessern und gleichzeitig unnötige Verfahren bei Patienten verringern, die wahrscheinlich nicht profitieren.