Modelo de predicción de riesgos de eventos cerebrovasculares en la estenosis de la arteria carótida

La estenosis aterosclerótica de la arteria carótida es una causa importante de accidente cerebrovascular, y la identificación temprana de pacientes de alto riesgo y la intervención quirúrgica pueden reducir significativamente su riesgo de sufrir un accidente cerebrovascular. Actualmente, la evaluación del riesgo de accidente cerebrovascular en pacientes con estenosis de la arteria carótida se basa principalmente en indicadores de imagen como la morfología, la composición y el grado de estenosis de la placa, y se presta menos atención a los indicadores directamente relacionados con la respuesta inflamatoria, la hemodinámica y la inestabilidad de la placa. Ciertos metabolitos en la circulación del paciente no sólo están estrechamente relacionados con la progresión de la placa, sino que también son factores de riesgo directo de accidente cerebrovascular. Actualmente, faltan modelos de predicción del riesgo de accidente cerebrovascular para pacientes con estenosis carotídea que incluyan los indicadores anteriores, y es necesario mejorar aún más la capacidad de identificar pacientes de alto riesgo. Por lo tanto, este estudio propone utilizar tecnología de aprendizaje profundo para integrar datos multidimensionales de imágenes de placa de pacientes, dinámica de fluidos, metabolómica circulante y proteómica para construir un modelo de predicción preciso de eventos cerebrovasculares en pacientes con estenosis de la arteria carótida y explorar más a fondo los marcadores de características de inestabilidad de la placa en combinación con patología de la placa. Se espera que este estudio proporcione una base para identificar pacientes de alto riesgo con estenosis de la arteria carótida y siente las bases para reducir aún más el riesgo de accidente cerebrovascular y mejorar el pronóstico a largo plazo de los pacientes.