Análisis Basado en IA de la Forma y Función del Prolapso de la Válvula Mitral Mediante Ecografía 3D (AI4MVP)

Este estudio prospectivo tiene como objetivo investigar las características anatómicas y biomecánicas de la MVP utilizando RT3DEE y técnicas avanzadas de análisis de imágenes basadas en inteligencia artificial (IA). El objetivo es desarrollar un marco automatizado para la segmentación y evaluación morfológica del aparato de la MV, y realizar modelos de elementos finitos para evaluar las implicaciones biomecánicas de la MVP degenerativa y las reparaciones quirúrgicas asociadas.

Protocolo de Imagen Se realizará RT3DE intraoperatorio en el quirófano como parte del protocolo de imagen estándar durante la reparación quirúrgica de la MVP. Se utilizará un sistema de ultrasonido Vivid S70N (GE Healthcare) equipado con una sonda 6VT 4D multiplano RT3DE. Se adquirirán vistas RT3DE estándar de esófago medio, incluyendo volúmenes completos de la cámara ventricular izquierda (VI) y vistas 3D ampliadas y sincronizadas del complejo de la MV (anillo, valvas y músculos papilares). Para mejorar la calidad de la imagen, las adquisiciones ampliadas se limitarán al volumen piramidal más pequeño que capture todo el complejo mitral, asegurando tasas de cuadro ≥20 Hz. Todos los conjuntos de datos de imagen se anonimizarán antes del análisis.

Protocolo Quirúrgico La reparación quirúrgica de la MVP se llevará a cabo bajo anestesia general a través de una mini-toracotomía derecha. Las técnicas quirúrgicas incluirán: i) resección de valvas (extracción de tejido valvular excesivo); ii) implantación de neocuerdas (colocación de cuerdas artificiales de politetrafluoroetileno expandido, ePTFE); anuloplastia (implantación de un anillo de anuloplastia o banda pericárdica para la estabilización del anillo).

En los casos en que se extirpe una cantidad significativa de tejido valvular (≥10×10 mm), se recolectarán muestras y se almacenarán en el biobanco institucional BioCor para análisis histológico y morfométrico. Las muestras se descontaminarán, criopreservarán y almacenarán a -80°C. Después de la evaluación histológica, todo el material biológico será destruido.

Recolección de Datos Clínicos Los datos demográficos (por ejemplo, edad, sexo) y clínicos (por ejemplo, diagnóstico, medicamentos, comorbilidades) se obtendrán de los registros médicos y se anonimizarán.

Entrenamiento de Red Neuronal para Segmentación de Imagen Los conjuntos de datos RT3DE anonimizados serán segmentados manualmente por operadores expertos utilizando software avanzado de análisis de imágenes (por ejemplo, 3D Slicer). Se procesarán un mínimo de 150 adquisiciones RT3DE para generar máscaras binarias del anillo de la MV, las valvas y los músculos papilares.

Estos conjuntos de datos segmentados se utilizarán para entrenar una red neuronal convolucional (CNN), probablemente basada en la arquitectura 3D U-Net; el 70% de los conjuntos de datos se utilizará como datos de entrenamiento y el 30% se reservará para pruebas y validación.

La CNN aprenderá a segmentar automáticamente las estructuras de la MV y generará modelos de superficie 3D. Las características anatómicas clave, como el contorno del anillo, el margen libre de las valvas, las comisuras y las posiciones de los músculos papilares, se extraerán automáticamente.

Los parámetros geométricos cuantitativos incluirán área anular, perímetro, diámetro anteroposterior, ancho comisural, altura y elipticidad anular, dimensiones de las valvas, zonas de coaptación y extensión de abombamiento.

Análisis de Elementos Finitos Se reconstruirán modelos 3D específicos del paciente de la válvula mitral a partir de los datos RT3DE segmentados. Estos modelos se someterán a suavizado y remallado para generar mallas de alta calidad para el análisis estructural de elementos finitos. Las cuerdas tendinosas se modelarán en base a plantillas anatómicas establecidas y ajustadas para coincidir con longitudes fisiológicas. Las propiedades materiales del tejido se asignarán en base a datos experimentales publicados.

Las simulaciones de elementos finitos se utilizarán para cuantificar la distribución de estrés en las valvas de la MV, evaluar la transferencia de carga entre las valvas y los músculos papilares, y evaluar los efectos mecánicos de las intervenciones quirúrgicas (por ejemplo, implantación de neocuerdas, anuloplastia). Estas simulaciones son retrospectivas y exploratorias; no influirán en la toma de decisiones quirúrgicas.

Seguimiento No se requiere seguimiento postoperatorio más allá de la atención clínica estándar. El estudio se centra en la imagen intraoperatoria y la recolección de tejido, seguida de análisis de imágenes fuera de línea y modelado computacional.