Tekoälymallit aivojen aneurysmien segmentointiin, havaitsemiseen ja vakauden ennustamiseen (AI-CARE)

Aneurysmaalinen subarachnoidaalinen verenvuoto (SAH) on yksi kriittisistä sairauksista, jotka uhkaavat vakavasti ihmisten terveyttä, ja kliininen kuolleisuus on jopa 30 %. Varhaista diagnoosia ja interventiota ennen repeämistä pidetään avainasemassa aneurysmaalisen SAH:n ennusteen parantamisessa. Ei-invasiivisten aivoverenkierron kuvantamistekniikoiden, kuten CTA:n ja MRA:n, laajan kliinisen käytön myötä repeytymättömien kallonsisäisten aneurysmien (UIA) havaitsemisnopeus on lisääntynyt merkittävästi. Kliinisen aivoverisuonikuvausdiagnostiikan kasvavaan kysyntään vastaaminen nostaa kuitenkin haasteen diagnostisen tarkkuuden parantamisesta ja samalla keventäen diagnostisten lääkäreiden työtaakkaa. Lisäksi ottaen huomioon, että kaikki havaitut UIA:t eivät repeä, on erittäin tärkeää tunnistaa tarkasti suuren riskin aneurysmat, jotka ovat alttiita repeytymään, jotta voidaan välttää tarpeetonta ylihoitoa, joka voi johtaa merkittäviin sosioekonomisiin rasitteisiin ja iatrogeeniseen haittoon potilaille. Tämän kliinisen tarpeen täyttämiseksi tutkijat ovat kehitti tekoälyn (AI) algoritmin luodakseen ohjelmiston, joka pystyy automaattisesti tunnistamaan kallonsisäisen aneurysmat, jotka perustuvat ei-invasiivisiin verisuonikuvaustietoihin, mikä mahdollistaa aneurysmien tarkan diagnoosin. Tämän tekoälyalgoritmin kliinisen hyödyn arvioimiseksi ehdotettiin prospektiivista monikeskustutkimusta. Pitkän aikavälin standardoidun ja yhtenäisen non-invasiivisen kuvantamisen seurannan avulla luodaan yksilölliset kuvantamisanalyysiprofiilit. Korreloimalla nämä profiilit aneurysman tulostapahtumiin (kasvu tai repeämä) tunnistetaan ja analysoidaan kuvantamisominaisuudet, jotka pystyvät ennustamaan tarkasti aneurysman kasvun ja repeämän. Tämän lähestymistavan odotetaan parantavan UIA-diagnoosin tarkkuutta ja mahdollistavan repeytymättömien kallonsisäisten aneurysmien riskien jakamisen asiaankuuluvien tietojen avulla.