CTCA:n arviointi plakkipatologian ja fysiologian arvioinnissa

OPINTUSUUNNITTELU

1. Patenttirekrytointi Seitsemänkymmentä potilasta, joilla oli tyypillisiä angina pectoris-oireita ja joille tehtiin elektiivinen sepelvaltimon angiografia, jossa oli vähintään yksi kompleksinen (eli bifurkaatioleesio, pitkä vaurio, kalkkeutunut leesio) obstruktiivinen leesio (>70 %:n halkaisija ahtauma sepelvaltimon angiografiassa tai fraktionaalinen virtausreservi <0,80) joka katsotaan sopivaksi perkutaaniseen sepelvaltimointerventioon (PCI) IVUS:n ohjauksessa, sisällytetään tutkimukseen. Poissulkemiskriteerit ovat: 1) ikä > 75 vuotta, 2) ACS alle 3 kuukauden sisällä, 2) eGFR <60ml/min/1,73m², 3) aiempi sepelvaltimon ohitusleikkaus, 3) dekompensoitunut sydämen vajaatoiminta tai vasemman kammion ejektiofraktio ≤30 %, 4) suonensisäinen varjoaineallergia tai kyvyttömyys saada hoitoa aspiriinilla, hepariinilla tai tienopyridiinillä, 5) odotettu elinajanodote <1 vuosi, 6) sydämensiirtohistoria, 7) potilas, joka vaatii kirurgista revaskularisaatiota, ja 8) laaja sepelvaltimotauti (eli useita kroonisia kokonaistukoksia) tai mutkikas sepelvaltimoiden anatomia, joka ei mahdollista sepelvaltimoiden arviointia NIRS-IVUS-kuvauksella. Rekrytoidut potilaat antavat tietoon perustuvan suostumuksen ja heille suoritetaan CTCA-kuvantaminen käyttämällä erityistä 3. sukupolven CT-kaksoislähdeskanneria (Siemens Force). Tutkimuksen ensimmäiset 4 kuukautta pyritään optimoimaan kuvanottoprotokollat ​​niin, että saadut CTCA-tiedot soveltuvat automaattiseen segmentointiin. Tehokkaita kuvantamismatriiseja käytetään parantamaan tasossa olevaa spatiaalista resoluutiota ja terävämpiä rekonstruktioytimiä ja iteratiivisia rekonstruktioalgoritmeja toteutetaan kuvan segmentoinnin tehostamiseksi.

   Kaksi viikkoa CTCA-kuvauksen jälkeen potilaille tehdään suunniteltu PCI. PCI:n aikana pyritään tutkimaan kaikkia kolmea epikardiaalista sepelvaltimoa - mukaan lukien ahtauttava vaurio - ja joitain niiden tärkeimmistä sivuhaaroista (eli suuret diagonaalit, tylpät marginaalit, takalaskuvaltimo tai oikean sepelvaltimon vasen kammion haara). ) yhdistetyn NIRS-IVUS-katetrin kanssa. PCI:n jälkeen osallistujat kotiutetaan optimaaliseen hoitoon.

2. CTCA-kuvaustietojen segmentointi ja sepelvaltimon anatomian rekonstruktio Asiantunteva operaattori käyttää erityistä työasemaa anonymisoimaan ja analysoimaan kliiniset yksityiskohdat. Anatomiset maamerkit (eli sivuhaarat) tunnistetaan CTCA- ja NIRS-IVUS-kuvatiedoista, ja niitä käytetään kiinnostavien segmenttien määrittämiseen.

   CTCA-tietojen analyysi suoritetaan käyttämällä erityistä ohjelmistoa, joka mahdollistaa luminaalisen keskilinjan automaattisen erottamisen, puoliautomaattisen ontelon ja suonen ulkoseinän rajojen havaitsemisen ja plakin määrän määrittämisen ja sisältää plakin karakterisointialgoritmin, joka mahdollistaa plakin koostumus. Plakin karakterisointialgoritmi ottaa huomioon Hounsfield-yksiköiden ennalta määritetyt kiinteät intensiteetin raja-arvot ja mukautuvan lähestymistavan, joka mahdollistaa näiden raja-arvojen muokkaamisen kuvan vaimennuksen mukaan. Tällä hetkellä segmentointiprosessi kestää keskimäärin 3 tuntia potilasta kohden. Tässä projektissa tutkijat pyrkivät optimoimaan CTCA-kuvien hankinta- ja segmentointialgoritmit niin, että tämä prosessi automatisoituu ja CTCA-segmentointiaika lyhenee alle tuntiin.

3. NIRS-IVUS-kuvaustietojen segmentointi ja sepelvaltimon anatomian rekonstruktio Asiantuntija-operaattori analysoi kiinnostuksen kohteena olevia segmenttejä kuvaavat NIRS-IVUS-tiedot, joka on sokeutunut kliinisille yksityiskohdille ja CTCA-kuvaustiedoille 3 kuukauden välein. CTCA-tietojen analyysi ohjelmistolla, joka mahdollistaa ontelon ja verisuonen ulkoseinän rajojen havaitsemisen, plakin määrän määrittämisen ja kalkkikudoskomponentin annotoinnin IVUS:ssa. NIRS-kuvaustietojen analyysin tulos on kemogrammi, joka on värikoodattu kartta lipidikomponentin jakautumisesta suonen seinämää pitkin (keltainen osoittaa lipidikudoksen lisääntyneen todennäköisyyden ja punainen alhaista todennäköisyyttä). Lipidikuormituksen mittari on lipidiydinkuormitusindeksi (LCBI), joka lasketaan lipidikomponenttia vastaavien keltaisten pikselien osuutena jaettuna 1000:lla. Lisäksi jokaiselle 2 mm:n segmentille luodaan lohkokemogrammi, joka tarjoaa yhteenvedon tämän segmentin kemogrammista ja näyttää lipidikudoksen esiintymisen todennäköisyyden 2 mm:n sepelvaltimon lohkossa. Lohkakemogrammi on validoitu histologiaa vastaan, ja sen on osoitettu mahdollistavan runsaasti lipidejä sisältävien plakkien havaitsemisen tarkasti.

   Segmentoituja NIRS-IVUS-tietoja käytetään sepelvaltimon anatomian rekonstruoimiseen käyttämällä vakiintunutta ja hyvin validoitua menetelmää. Sivuhaarat, joiden halkaisija on > 1,5 mm, rekonstruoidaan angiografisista tiedoista ja yhdistetään NIRS-IVUS:sta rekonstruoituun pääsuonen geometriaan, koska on osoitettu, että sivuhaarat vaikuttavat ESS-jakaumaan.

4. Verenvirtauksen simulointi Sekä IVUS-pohjaisiin että CTCA-pohjaisiin malleihin sovelletaan identtisiä rajaehtoja. Veren katsotaan olevan laminaarinen ja kokoonpuristumaton newtonilainen neste, jonka dynaaminen viskositeetti on 0,0035 Pa•s ja tiheys 1 050 kg/m3. Ontelon sisäänvirtauksessa määrätään tasainen virtausprofiili, koska tämä lyhentää laskenta-aikaa ja on näyttöä siitä, että arvioidussa ESS:ssä ei ole merkittävää eroa, kun käytetään tasaista tai sykkivää virtausprofiilia. Murrayn vakio-ESS-teoriaa käytetään pää- ja sivuhaarojen reunaehtojen johtamiseen. Valtimon seinämän katsotaan olevan jäykkä ja luistamattomia olosuhteita sovelletaan luminaaliseen pintaan. Virtausnopeus arvioidaan angiografisista tiedoista mittaamalla ruutujen lukumäärä, joka tarvitaan varjoaineen kulkeutumiseen rekonstruoidun segmentin sisääntuloaukosta ulostuloon, segmentin tilavuus lähtötilanteessa ja elokuvan kuvanopeus.
5. NIRS-IVUS- ja CTCA-kuvaustietojen analyysi Odotetaan, että NIRS-IVUS-kuvantaminen suoritetaan keskimäärin 2,5 suonessa potilasta kohti; näistä 40 satunnaisesti valitusta suonesta käytetään CTCA-segmentoinnin ja plakkien karakterisoinnin algoritmien opetukseen (koulutustietosarja) ja loput validointitarkoituksiin (validointitietosarja).

Koulutussarjassa CTCA- ja NIRS-IVUS-tiedoista rekonstruoidut kiinnostavat segmentit jaetaan 2 mm:n segmentteihin ja vastaavat 2 mm:n segmentit tunnistetaan CTCA- ja NIRS-IVUS-malleissa. Jokaiselle 2 mm:n segmentille arvioidaan seuraavat mittarit NIRS-IVUS-malleissa: keskimääräinen luumenin pinta-ala, keskimääräinen suonen ulkoseinämän pinta-ala, keskimääräinen plakin pinta-ala, keskimääräinen plakkikuormitus (määritelty seuraavasti: 100 x plakin pinta-ala/suonen pinta-ala), keskimääräinen kalkkipinta-ala , LCBI ja hallitseva ESS. Lisäksi kukin segmentti luokitellaan runsaasti lipidejä sisältäväksi tai ei-lipidipitoiseksi lohkokemogrammin mukaan.

Vastaavasti CTCA-malleissa keskimääräinen onteloalue, verisuonen ulkoseinämän pinta-ala, plakin pinta-ala, plakkitaakka, kalkkialue ja keskimääräinen vallitseva ESS arvioidaan jokaiselle 2 mm:n segmentille ja verrataan NIRS-IVUS:n arvioihin. Useita lähestymistapoja testataan aluksen seinämien rajojen segmentoinnin optimoimiseksi, ja parhaat otetaan käyttöön. Segmentit, joissa on lisääntynyt kalkkipitoisuus ja kukkivia artefakteja, tunnistetaan, ja jos CTCA- ja NIRS-IVUS-merkintöjen välillä on merkittäviä eroja, CTCA-segmentoinnin optimoimiseksi otetaan käyttöön koneoppimistekniikoita, jotka hyödyntävät NIRS-IVUS:n tarjoamia tietoja. Mukautuvat Hounsfield-yksikön raja-arvot, jotka parhaiten tunnistavat lipidi- ja kalkkikudoksen, määritellään. CTCA-malleissa luodaan levinneitä suonikaavioita, jotka kuvaavat lipidikudoksen jakautumista, ja niissä LCBICT arvioidaan jokaiselle 2 mm:n segmentille ja verrataan NIRS:n tuottoon. Area under the curve (AUC) -analyysiä käytetään tunnistamaan paras CT-pohjainen plakkitaakka, LCBI- ja ESS-raja-arvot, jotka vastaavat NIRS-IVUS-raja-arvoja, jotka osoittavat korkean riskin plakkeja (plakkitaakka: 67 %, LCBI: 178 ja ESS: 1Pa). NIRS-IVUS:n lohkokemogrammia käytetään tunnistamaan 2 mm:n LCBICT-raja, joka mahdollistaa 2 mm:n segmenttien tarkan luokittelun lipidipitoisiksi tai ei-lipidisiksi. Näiden raja-arvojen tarkkuus testataan validointitietojoukossa.

Lisäksi validointitietojoukossa käytetään NIRS-IVUS-tietoja tunnistamaan sepelvaltimoleesiot – jotka määritellään segmenteiksi, joiden plakkitaakka on >40 % kolmessa peräkkäisessä kehyksessä. Jokaisen leesion uudelleenmuotoiluindeksi arvioidaan ja sitä käytetään luokittelemaan ne vaurioiksi, joissa on positiivinen tai negatiivinen uudelleenmuotoilu. NIRS-IVUS-tietoja käytetään niiden fenotyypin karakterisoimiseen ja niiden luokitteluun: patologiset sisäkalvon paksuuntuminen/fibroottiset plakit, fibro-kalkkiplakit, fibroateroomit (FA) ja kalkkeutuneet fibroateroomit. NIRS-IVUS-leesioluokitusta käytetään vertailustandardina arvioitaessa CTCA:n tarkkuutta leesion fenotyypin karakterisoinnissa.

TILASTOANALYYSI - TEHOLASKEMINEN Tutkimuksen ensisijainen päätepiste on CTCA:n kyky havaita FA. Garcia-Garciaa koskevassa tutkimuksessa, johon osallistui 129 potilasta, joille tehtiin yksittäisen suonen IVUS-kuvaus, tunnistettiin 1,7 vauriota potilasta kohden. Purin et al.:n tutkimuksessa 45 % leesioista oli FA:ta histologisesti. Siinä tutkimuksessa NIRS yhdistettynä IVUS:iin mahdollisti FA:n havaitsemisen erinomaisella tarkkuudella (c-indeksi: 0,80). Odotamme, että voimme suorittaa NIRS-IVUS-kuvauksen 2,5 sepelvaltimossa potilasta kohden ja että CTCA-kuvauksen laatu on optimaalinen 93 %:lla tutkituista potilaista. Jos rekrytoimme 70 potilasta, odotamme onnistuvamme tutkimaan NIRS-IVUS:lla ja CTCA:lla 162 verisuonia, joista 120 (203 leesiota - 92 FA) käytetään validointitietoaineistona. Tämän tietojoukon odotetaan antavan 80 %:n kyvyn osoittaa 5 %:n merkitsevyystasolla, että CTCA:n herkkyys FA:n tunnistamisessa ei eroa NIRS-IVUS:n herkkyydestä (CTCA-alueen AUC: 0,89-0,71), oletetaan, että NIRS-IVUS:n todellinen herkkyys on 0,80.

Tutkimuksen toissijaisia ​​päätepisteitä ovat CTCA:n tarkkuus tunnistaa: a) runsaasti lipidejä sisältävät segmentit (käyttäen NIRS-IVUS:n lohkokemogrammia kultastandardina) ja b) segmentit, jotka altistuvat alhaiselle ESS:lle (<1Pa, käyttämällä NIRS-IVUS-mallit vertailustandardina).