Optimalizált multimodalitású gépi tanulási megközelítés a kardiotoxikus kemoterápia során a kialakuló szívelégtelenség előrejelzésére (MERMAID)

A jelen projekt egy automatizált gépi tanulási megközelítést fejleszt ki multimodalitású adatok (képalkotás, laboratóriumi, elektrokardiográfia és kérdőív) felhasználásával, hogy javítsa a szívelégtelenség megértését és előrejelzését a kardiotoxikus kemoterápiára tervezett betegeknél. Ezt az algoritmust Prof. Adam műszaki együttműködési partner fogja kidolgozni, aki a Technion orvosbiológiai mérnöki intézetet vezeti.

Konkrét célok:

1. Minden elérhető adat összegyűjtése a kardiotoxikus kemoterápiára tervezett betegektől a kiinduláskor, a terápia befejezését követő 6 hónapig - a képalkotás (MRI, echokardiográfia hagyományos és törzsparaméterrel), elektrokardiográfiával, orvosbiológiai markerekkel (a máj, vese, szív működésének meghatározására) és hematopoietikus csontvelő), klinikai paraméterek és életminőség kérdőív:
2. Egy robusztus gépi tanulási megközelítés optimalizálása és értékelése, amely integrálja és értékeli ezeket az adatokat a szívizom korai károsodásának kimutatására és egy optimális paraméter (egyszeri vagy kombinált) azonosítására a szubklinikai bal kamrai (LV) diszfunkció előrejelzéséhez (a jelenlegi vizsgálat 1. szakasza). ).
3. Klinikai vizsgálat elvégzése (a jelenlegi vizsgálat 2. szakasza) kemoterápiás betegeken, és a szubklinikai LV diszfunkció azonosítása, amely az új gépi tanulási megközelítést alkalmazó kardioprotektív terápia irányítására szolgál, összehasonlítva a tényleges standard eljárással, kizárólag echokardiográfiás bal kamrai kezeléssel. ejekciós frakció (LVEF).

Ennek a tanulmánynak a célja egy gépi tanulási megközelítés értékelése és optimalizálása a különböző képalkotó módszerekből származó adatok laboratóriumi, elektrokardiográfiás és kérdőíves információkkal való kombinálására és integrálására, hogy meghatározzák ezen paraméterek értékét a betegkezelésben, a szubklinikai LV diszfunkció azonosításával, amely a kardioprotektív terápia irányítására szolgál majd, összehasonlítva a hagyományos echokardiográfiás paramétereket alkalmazó standard megközelítéssel.

Az MRI, a hagyományos echokardiográfiás paraméterek és az echokardiográfiás szívizom deformáció képalkotása különböző módszereket és megközelítéseket alkalmaz a szívizom szöveteinek és deformációinak betekintésére. Feltételezzük, hogy egy új és optimalizált automatizált algoritmus, amely ezeket a módozatokat használja, és integrálja a laboratóriumi, elektrokardiográfiás és kérdőíves információkat, javítani fogja a korai LV-diszfunkciók kimutatását, és új betekintést nyújt a kemoterápiás betegek kardiotoxikus terápiára adott lehetséges válaszaiba. Várakozásaink szerint ez az algoritmus olyan kiegészítő terápia alkalmazásához vezet, amely korlátozza az LV diszfunkció kialakulását, a kemoterápia megszakítását és a szívelégtelenség kialakulását a követés során, és így csökkenti a morbiditást és a költségeket.