Künstliche Intelligenz für die intraprozedurale Beurteilung der Uterusarterienembolisation (AI-EMBO)

Hintergrund und Begründung.

Uterusmyome betreffen bis zu 70-80 % der Frauen im gebärfähigen Alter. Die Uterusarterienembolisation erzielt technische Erfolgsraten von über 95 % und eine Symptomverbesserung bei etwa 75-90 % der Patientinnen; sie ist jedoch mit einem kumulativen Risiko von 20-30 % für klinisches Versagen oder die Notwendigkeit einer Reintervention innerhalb von 5 Jahren verbunden. Die derzeitige intraprozedurale Beurteilung der Embolisationsadäquatheit basiert auf qualitativen angiographischen Kriterien (z. B. „5-10 Herzschläge Stase“, „gestutzte Baum-Erscheinung“), die subjektiv und untersucherabhängig sind. Neue Erkenntnisse deuten darauf hin, dass das Erreichen einer nahezu vollständigen statt einer vollständigen Flussstase die postprozeduralen Schmerzen verringern könnte, was die Notwendigkeit quantitativer und standardisierter Beurteilungsinstrumente unterstreicht.

AQ-VERO ist eine intern entwickelte Softwareplattform, die quantitative Time-to-Density (TTD)-Analysen angiographischer Bilder durchführt, um die uterine und myombedingte Perfusion in Echtzeit objektiv zu quantifizieren.

Ziele.

Primäres Ziel: Validierung der Genauigkeit und der Intra-/Interobserver-Reproduzierbarkeit der AQ-VERO-TTD-Metriken bei der Quantifizierung von Perfusionsveränderungen während der Uterusarterienembolisation.

Sekundäre Ziele: (a) Entwicklung und interne Validierung eines KI-basierten Entscheidungsunterstützungsmodells, das AQ-VERO-abgeleitete Metriken zur Identifizierung vordefinierter Embolisationsendpunkte verwendet; (b) Erforschung der Korrelation zwischen intraprozeduralen TTD-Metriken und postprozeduralen klinischen Ergebnissen, einschließlich Symptomverbesserung, frühen Schmerzscores und Notwendigkeit einer Reintervention.

Studiendesign. Dies ist eine ambispektive (retrospektive und prospektive Nachbeobachtung einschließende), multizentrische Beobachtungsstudie mit Frauen, die sich einer Uterusarterienembolisation bei symptomatischen Uterusmyomen unterziehen. Standardisierte Angiogramme werden aufgenommen und mit AQ-VERO analysiert, um TTD-Perfusionsparameter zu extrahieren (z. B. Time-to-Peak, Fläche unter der Kurve, Wash-in/Wash-out-Charakteristika). Die Operateure dokumentieren konventionelle qualitative angiographische Endpunkte. Klinische und bildgebende Nachbeobachtungen werden gemäß den institutionellen Protokollen gesammelt.

Primäres Ziel:

• Bewertung, ob das mit AQ-VERO©-Metriken entwickelte KI-Prädiktionsmodell das klinische Ergebnis vorhersagen kann, definiert als vollständige oder signifikante Auflösung myombedingter Symptome.

Sekundäre Ziele:

• Korrelation verschiedener TTD-Kurvenmorphologien und AQ-VERO-Metriken mit postprozeduralen Schmerzen.
• Erkennung des Vorhandenseins von Kollateral- oder akzessorischer arterieller Versorgung, die die Embolisationseffizienz beeinträchtigen könnte.

Bedeutung. Diese Studie soll einen quantitativen und KI-gestützten Rahmen für die intraprozedurale Embolisationsbeurteilung während der Uterusarterienembolisation etablieren, um möglicherweise die Variabilität zu verringern und die langfristigen klinischen Ergebnisse zu verbessern.