Modelo de predicción basado en IA para la trombólisis de la TVP iliofemoral

Este estudio de cohorte de un solo brazo prospectivo tiene como objetivo desarrollar un modelo de predicción con IA para los resultados del tratamiento en pacientes con trombosis de la venas profundas profundas extensas agudas (IF-DVT) que se someten a trombólisis farmacomecánica libre de stent. El estudio aborda la falta actual de herramientas validadas para la selección del paciente y la predicción de resultados en intervenciones dirigidas por catéter para la TVP proximal.

Treinta pacientes adultos consecutivos con IF-DVT agudo confirmado por MRV se someterán a trombólisis farmacomecánica utilizando el sistema Angiojet Zelantedvt con administración complementaria de RTPA.

El objetivo principal es desarrollar una red neuronal convolucional (CNN) capacitada en datos de imágenes de MRV en serie para predecir el éxito de la recanalización venosa de tres meses. Las adquisiciones de MRV ocurren al inicio, prediscarge y seguimiento de tres meses. La segmentación de la verdad en tierra será realizada por un radiólogo experimentado que usa una cortadora 3D, con propagación semiautomatizada en todo el conjunto de datos. La extracción de características incluirá métricas geométricas, análisis de textura radiómica y características morfológicas de la arquitectura de trombo y vaso.

Los puntos finales secundarios incluyen la incidencia aguda de lesiones renales (una preocupación significativa con la trombectomía reolítica debido a la nefrotoxicidad inducida por la hemólisis), el desarrollo del síndrome posthrombótico evaluado a través de la puntuación de Villalta y varios resultados de seguridad, incluidos los hemorragias mayores por criterios.

El protocolo de estudio incorpora un monitoreo riguroso para AKI utilizando criterios de Kdigo, con una evaluación sistemática de la función renal, marcadores de hemólisis y equilibrio electrolítico. Los protocolos de hidratación y las medidas nefroprotectivas se estandarizarán, aunque las estrategias específicas requieren una aclaración del equipo de nefrología.

Esta investigación aborda las brechas críticas en la selección de pacientes basada en evidencia para el tratamiento con TVP invasiva, particularmente después de los resultados mixtos del ensayo ATREME. El modelo de predicción de IA podría permitir decisiones de tratamiento personalizadas, potencialmente mejorando la relación de riesgo-beneficio de las intervenciones farmacomecánicas al tiempo que reduce los procedimientos innecesarios en pacientes que es poco probable que se beneficien.