Predicción de CT para intervenciones tricúspides transcatéter (CESAR-TR)

El objetivo de este estudio es mejorar la previsibilidad del éxito terapéutico en la intervención de la válvula tricúspide transcatéter (TTVI) para pacientes con regurgitación tricúspide grave (TR). Esto se logrará mediante análisis automatizados de tomografías computarizadas (TC) preintervencionales.

La regurgitación tricúspide severa se asocia con malos resultados del paciente. En etapas avanzadas, la terapia farmacológica se vuelve ineficaz, y la intervención quirúrgica conlleva un alto riesgo de mortalidad. Dado este desafío clínico, el tratamiento basado en catéter de la válvula tricúspide se ha convertido en un punto focal de investigación.

Una estrategia de tratamiento bien establecida es la intervención percutánea de la válvula tricúspide, cuyo objetivo es reducir la regurgitación a través de anuloplastia, reparación de borde a borde o reemplazo de válvulas. Se ha demostrado que este enfoque disminuye significativamente la gravedad de la regurgitación, lo que lleva a una reducción dramática en la carga de los síntomas y una mejora marcada en la calidad de vida.

Sin embargo, la predicción de qué pacientes se beneficiarán más del TTVI y la determinación de la técnica óptima para cada individuo sigue siendo desafíos en gran medida sin resolver.

Software de inteligencia artificial (AI), como Heart.ai por Laralab (Munich), permite la medición automatizada de estructuras anatómicas capturadas a través de imágenes de TC. Esta tecnología ya permite una evaluación rápida y precisa de las cámaras cardíacas y el anillo tricúspide a lo largo de todo el ciclo cardíaco, facilitando una evaluación tridimensional integral de la anatomía cardíaca derecha.

Para refinar la selección de pacientes y optimizar las estrategias de procedimiento para el tratamiento con TR, el investigador trabaja en una colaboración múltiple para analizar los resultados del tratamiento y la respuesta del paciente a enfoques terapéuticos específicos.