Uusi kuvantamiseen perustuva kvantitatiivinen malli-avusteinen portaalihypertension havaitseminen potilailla, joilla on kirroosi (CHESS2104)

Kiina kärsii maailman raskaimmasta maksasairaudesta. Kroonisten maksasairauksien määrä on yli 400 miljoonaa. Joko virukseen liittyvä hepatiitti, alkoholihepatiitti tai aineenvaihduntaan liittyvä rasvahepatiitti jne. voivat edetä kirroosiksi, joka uhkaa suuresti kansanterveyttä. Portaalihypertensio on kriittinen riskitekijä, joka korreloi kirroosipotilaiden kliinisen ennusteen kanssa. Maksan laskimopainegradientin kliinistä soveltamista koskevan konsensuksen mukaan Kiinassa (2018), maksan laskimopainegradientti (HVPG), joka on suurempi kuin 10, 12, 16, 20 mmHg, ennustaa vastaavasti erilaisia ​​​​tuloksia potilailla, joilla on kirroosiportaalihypertensio. On erittäin tärkeää luoda riskikerrostusjärjestelmä ja suorittaa räätälöity portaaliverenpaineen hoito kirroosissa. Universaalina kultastandardina portaaliverenpainetaudin diagnosoinnissa ja seurannassa, HVPG on edelleen kliininen rajoitus sen invasiivisuuden vuoksi. Kuinka rakentaa uusi, ei-invasiivinen, tarkka ja kätevä menetelmä HVPG:n ennustamiseksi, on tärkeä yleinen ongelma portaaliverenpaineen hoidossa kirroosissa.

Radiomiikkatekniikan kehitys tarjoaa lähestymistavan edellä mainittujen kliinisten ongelmien ratkaisemiseen. Tekoälyalgoritmeihin perustuva radiomiikka hyödyntää salattujen lääketieteellisten kuvien louhittavia, korkearesoluutioisia ja kvantitatiivisia ominaisuuksia sekä kliinisiä tai geneettisiä tietoja näyttöön perustuvan päätöksenteon tukijärjestelmän tuottamiseksi kliinisen tavoitteiden saavuttamiseksi, mukaan lukien diagnoosi, hoitovaikutusten arviointi ja ennusteen ennuste. Tässä hankkeessa, jonka tavoitteena on kehittää riskikerrostusjärjestelmä verenpainetaudin hoitoon kirroosissa, rakennamme standardin hoitotietokannan ja hyödynnämme radiomiikkatyökalua päätöksentekojärjestelmän rakentamiseen. Otamme vastuun elinten ja verisuonten segmentoinnista, radioaktiivisten ominaisuuksien valinnasta ja allekirjoituksen rakentamisesta verenpainetaudin luokituksen ennustamiseen ja toteutamme prototyyppijärjestelmän kehittämisen, joka integroi neljä moduulia, mukaan lukien tietokannan hallinta, HVPG-riskikerrostussovellusmoduuli, ennustetun tuloksen esittely. moduuli ja ennustetietojen kuratointimoduuli. Tässä projektissa keskitytään kahteen osa-alueeseen, jotka ovat vastaavasti koneoppimisalgoritmien optimointi ja prototyyppijärjestelmän kehittäminen maksasairauksien tarkkuuslääketieteen edistämiseksi.