3D szimulációk érvényesítése embolikus stroke-ban

A stroke évente több mint 100 000 embert érint az Egyesült Királyságban, és a betegek 50%-a jelentős rokkantsággal él [1, 2]. A stroke-ok 85%-a az agyi erek elzáródásából ered (akut ischaemiás stroke [AIS]), ami megszakítja a vérellátást, és szöveti infarktust és funkcionális károsodást okoz [1]. A stroke jelentős morbiditásért és mortalitásért felelős, jelentős társadalmi és gazdasági következményekkel, különösen a munkaképes korú egyének esetében [1, 2]. Az AIS okai széles körben az embóliás és nem embóliás stroke-ok közé sorolhatók [3]. Az AIS körülbelül egynegyede kardioembóliás, a bal pitvar embóliája (pitvarfibrilláció – AF), billentyűk (szívbillentyű-betegség vagy protézisbillentyűk), nemrégiben átesett szívinfarktus, nyitott foramen ovale, fertőző endocarditis vagy aortaív atheroma miatt [3- 5]. Ez a szám magasabb az idősebb felnőttek körében, mivel az AF prevalenciája az életkor előrehaladtával növekszik [6]. Fontos, hogy a kardioembóliás stroke súlyosabb, ami nagyobb rokkantságot eredményez, mint a stroke többi altípusa [4]. A vaszkuláris rizikófaktor-kezelés színvonalának javulása miatt a kardioembóliából eredő stroke-ok aránya növekszik, incidenciája megháromszorozódott az elmúlt évtizedekben [4]. Az embóliás forrás helyes azonosítása és kezelése akár 70%-kal is csökkentheti a kiújulást [4]. Az AF továbbra is a kardioembóliás stroke vezető oka [4, 5]. Azonban úgy gondolják, hogy az AF helyes azonosítása és kezelése csak a jogosult betegek 50%-ánál fordul elő [3]. Ennek oka lehet az, hogy a klinikusok vonakodnak a betegek véralvadásgátló kezelésétől, különösen a törékeny, idősebb populációban, akiknél nagy az esés kockázata [3]. A stroke akár 25%-a meghatározatlan eredetű embolia (ESUS), ami a paroxizmális AF-nek tudható be, amely hosszan tartó szívmonitorozást igényel a betegek sikeres azonosítása és kezelése érdekében [3, 7]. Az AF a betegek 40%-ában tünetmentes, és az első megjelenése jelentős infarktussal járhat [8]. Az antikoaguláció a stroke kockázatának csökkentésének sarokköve AF-ben, de a vérzési kockázat akár kétszeres növekedésével ez a kezelés csak bizonyított esetekre van fenntartva [9, 10]. Az ESUS-ban az antikoaguláció továbbra is folyamatos vita, és jelenleg a magas kockázatú csoportokra korlátozódik (pl. többszörös infarktus különböző területeken) [11, 12]. Így az AF azonosítása és kezelése kulcsfontosságú prioritás a jövőbeni stroke-kockázat csökkentése, de a szövődmények minimalizálása érdekében, ha az antikoaguláció nem javallt.

Tekintettel az embóliás és nem embóliás stroke eltérő etiológiájára, kivizsgálására és kezelésére, a korai differenciálás megkönnyíti a klinikai döntéshozatalt, és lehetővé teszi a betegek fókuszált vizsgálatát és kezelését. A stroke radiológiai jellemzői alátámaszthatják ezt a folyamatot, mivel az infarktus helye, mérete és mintázata jelzi a valószínű etiológiát és a stroke altípusát. Jelenleg azonban nincsenek olyan kritériumok, amelyek alapján ez a kezelő klinikus vagy radiológus kvalitatív és így szubjektív véleményére támaszkodna. Pontatlan diagnózist jelentettek a lacunáris stroke-ok akár egyharmadánál, pusztán klinikai és CT-leletekre támaszkodva [13]. A hamis pozitív eredmények többsége kardioembóliás vagy nagyartériás stroke következménye volt, ami potenciálisan az AF azonosításának és kezelésének elmulasztását eredményezte [13]. A diffúziós súlyozott képalkotás javíthatja a lacunaris infarktus diagnózisát, de alkalmazását korlátozza a költségek és a rendelkezésre állás [13-15]. Egy közelmúltban, 133 ESUS-ban szenvedő beteg bevonásával végzett vizsgálatban 22,6%-uknál találtak AF-t három hónapos szívmonitoring után, és egy 8 pontos kockázati pontszám megfelelő pontossággal megjósolta ezt (a görbe alatti terület = 0,70). [16]. Ez a pontosság azonban jelentősen csökken, ha a stroke etiológiája továbbra is meghatározatlan [16]. A felderítetlen AF valódi aránya továbbra is ismeretlen, és a prediktív modellezéssel történő korábbi észlelés csökkentheti a vizsgálati és kezelési késéseket.

Ezért az embóliás stroke, különösen az AF folyamatainak javítása segíthet a klinikai döntéshozatalban. Ez lehetővé tenné, hogy a vizsgálatok jobban igazodjanak a betegekhez, eltávolítsák a szükségtelen vizsgálatokat, amelyek potenciális gazdasági előnyökkel járhatnak az NHS számára, és csökkentené a betegek vizsgálati terheit. A betegektől származó klinikai információkat és a szkennelési eredményeket integráló stroke-modellek fejlesztése jobb diagnosztikai pontosságot biztosíthat a stroke-altípusok osztályozása során, és elősegítheti az időben történő és célzottabb kivizsgálást és kezelést. Különösen a különböző típusú embóliák megkülönböztetésére képes modellek lehetnek különösen értékesek és azonnali kiterjesztett monitorozást jelenthetnek azon betegek számára, akiknél a legnagyobb valószínűséggel van AF-forrás.

Ez a tanulmány a JH és az EC által kifejlesztett Monte Carlo módszert javasolja a stroke szimulálására [17-20]. Ezt a módszert a közelmúltban adaptálták egy in silico agyi érrendszerrel [21], és tesztelték az Anatomical Tracings of Lesions After Stroke (ATLAS) adatbázisból származó stroke-képekkel (nem publikált munka). A számítási úton generált érrendszer használatának előnye a képalkotással szemben, hogy az érméretnek nincs alsó határa, és a modellünkbe a kapilláriságyig beépíthetünk ereket. A szimulációkon belül meg tudjuk becsülni a lézió térfogatát, valamint figyelembe tudjuk venni a szürke- és fehérállomány eltérő metabolikus igényeit. A közelmúltban sikerült reprodukálni a stroke képeket az elülső, középső és hátsó (ACA, MCA, PCA) keringésben az ATLAS adatkészletből származó képek segítségével. Az ATLAS-ban előforduló elváltozások többsége azonban krónikus jellegű volt, és ez nem ad információt arról, hogy ez a modell hogyan teljesítene a „bejárati ajtóban”, ahol a kezeléssel kapcsolatos döntéseket időben meghozhatták volna.

Ezért ez a projekt egy akut stroke szkennelési adatbázis kifejlesztésére törekszik, hogy validálja ezeket a közelmúltban kifejlesztett szimulációkat, és meghatározza az embóliás stroke forrásának előrejelzésének pontosságát akut körülmények között. Tekintettel a mesterséges intelligencia technikák klinikai gyógyászatban való növekvő alkalmazására, összehasonlítjuk ennek a nemrégiben kifejlesztett stroke-szimulációs modellnek az AI technikákkal való képességét az embóliás stroke forrásának előrejelzésére. A modellek képességét a klinikai vagy radiológiai véleményhez fogjuk hasonlítani. Végül teszteljük a két technika együttes képességét az embóliás stroke forrásának meghatározására. Konkrétan a következő forrásokat fogjuk értékelni: lacunáris, kardioembóliás, nagyerek ateroszklerotikus embóliák és vízválasztó.