RadioMICS périluminale basée sur l'IA du COOnary CTa pour identifier les patients vulnérables (CORO-CTAIOMICS) (CORO-CTAIOMICS)

Contexte et justification

Au cours des dernières années, le cCTA est devenu un outil de diagnostic essentiel en cas de suspicion de coronaropathie. Les dernières lignes directrices de l'ESC recommandent le cCTA comme test de diagnostic de première intention pour les patients présentant des symptômes soupçonnés d'être dus à une coronaropathie, en particulier avec une probabilité pré-test intermédiaire (15 à 85 %). les patients. Les lignes directrices de l’AHA et de l’Italie suggèrent essentiellement la même approche. Les recommandations sont basées sur la précision extrêmement élevée du cCTA pour exclure une coronaropathie obstructive. En conséquence, nous contribuons à une augmentation considérable du nombre de patients subissant une CCTA dans la routine clinique quotidienne. La plupart de ces patients (80 %) ne présentent pas de coronaropathie obstructive, mais ce résultat ne signifie pas que tous ces patients sont à faible risque. La stratification pronostique de ces patients reste un besoin urgent non satisfait. Parmi les patients sans coronaropathie obstructive, nous avons trouvé des patients présentant différents degrés de charge athéroscléreuse et des patients présentant différents types de plaques (plaques à risque élevé ou faible) et différents degrés d'inflammation de la paroi coronarienne et péricoronaire. La stratification pronostique de ces patients reste un besoin urgent non satisfait. Les images cCTA incluent de nombreuses informations avec un grand potentiel informatif sur le fardeau athéroscléreux et la vulnérabilité de la coronaropathie non obstructive de chaque patient, mais toutes ces informations ne sont pas actuellement exploitées dans la routine clinique pour changer la prise en charge des patients. un manque d'outils robustes et reproductibles pour extraire ces données de manière quantitative et o les intégrer dans un score de risque pronostique.

Ces dernières années, il a été démontré que les caractéristiques de la plaque coronarienne (par ex. longueur de la lésion, volume, sténose, atténuation, indice de remodelage, etc.) (2) et l'atténuation du tissu adipeux péricoronaire (3) ont une valeur pronostique significative. Cependant, on sait que beaucoup de ces biomarqueurs souffrent d’une faible reproductibilité, principalement due à des contraintes techniques liées à la séparation automatique ou semi-automatique des plaques du tissu adipeux environnant. Cela peut entraîner une inclusion incorrecte des plaques dans la segmentation du tissu adipeux péricoronaire et vice versa, conduisant à des résultats peu fiables dans l'évaluation de la charge de plaque et de son atténuation (4). De plus, l'évaluation qualitative ou semi-quantitative des caractéristiques de la plaque et de la densité de la graisse péricoronaire susmentionnées pourrait ne refléter qu'une partie des informations disponibles. Dans ce scénario, l’évaluation basée sur la radiomique peut révéler des informations cachées à l’œil humain, conduisant à une meilleure stratification du risque cardiovasculaire (5, 6).

Notre étude ajoute deux améliorations majeures dans la stratification du risque pronostique basée sur l'analyse de la plaque cCTA et du tissu adipeux. Premièrement, nous proposons une méthode permettant de segmenter facilement et indépendamment les plaques et le tissu adipeux péricoronaire par identification semi-automatique ou automatique du bord entre la plaque et la graisse (ce qui est critique). En fait, notre outil effectuera une segmentation de tous les tissus inclus dans une plage circulaire en dehors de la lumière coronaire avec un diamètre basé sur le diamètre de la lumière elle-même. Cette solution technique augmentera considérablement la reproductibilité de la segmentation. Deuxièmement, nous proposons d'utiliser la radiomique pour analyser ce milieu péricoronaire circulaire, en identifiant potentiellement de nouveaux biomarqueurs - invisibles à l'œil humain - de l'instabilité coronarienne capables de fournir une valeur pronostique importante.

Dans le détail, la nouveauté de notre recherche réside dans le fait que 1) le tissu adipeux péricoronaire et les plaques seront traités comme un seul milieu, réduisant ainsi considérablement l'effort de segmentation précise des tissus et réduisant les problèmes de reproductibilité ; 2) la radiomique sera appliquée pour extraire des informations significatives invisibles à l'œil humain. De plus, cette approche radiomique sera soutenue par des modèles d'apprentissage automatique (ML), notamment la régression régularisée, les algorithmes génétiques et l'apprentissage profond, en raison de la capacité du ML à gérer et à évaluer directement l'énorme quantité de données extraites des images radiologiques. Ainsi, le résultat final de notre recherche sera un algorithme capable de prédire le risque de MACE d'un seul patient en analysant automatiquement les données radiomiques des tissus coronariens péri-luminaux dérivées du cCTA réalisé dans la pratique clinique de routine.