CT előrejelzés a transzkatéter tricuspid beavatkozásokhoz (CESAR-TR)

Ennek a tanulmánynak a célja, hogy javítsa a terápiás siker kiszámíthatóságát a transzkatéter tricuspid szelep beavatkozásában (TTVI) a súlyos tricuspid regurgitációban (TR) szenvedő betegek esetében. Ezt az intervenció előtti számítógépes tomográfia (CT) szkennelések automatikus elemzésével érik el.

A súlyos tricuspid regurgitáció a betegek rossz eredményeivel jár. Haladó szakaszokban a farmakológiai kezelés hatástalanná válik, és a műtéti beavatkozás magas halálozási kockázatot jelent. Ennek a klinikai kihívásnak a tekintetében a tricuspid szelep katéter-alapú kezelése a kutatás fókuszpontjává vált.

Az egyik jól megalapozott kezelési stratégia a perkután tricuspid szelep-beavatkozás, amelynek célja a regurgitáció csökkentése az annuloplasztika, a szórólap-alapú élek javításán vagy a szelep cseréjén keresztül. Kimutatták, hogy ez a megközelítés szignifikánsan csökkenti a regurgitáció súlyosságát, ami drámai csökkentést eredményez a tünetterhelésben és az életminőség jelentős javulásához.

Annak előrejelzése azonban, hogy mely betegek részesülnek előnyben a TTVI -ből, és az egyes személyek optimális technikájának meghatározása továbbra is nagyrészt megoldatlan kihívások maradnak.

Mesterséges intelligencia (AI)-erővel ellátott szoftver, például a Heart.ai Laralab (München) által lehetővé teszi a CT képalkotás útján rögzített anatómiai struktúrák automatizált mérését. Ez a technológia már lehetővé teszi a szívkamrák és a tricuspid gyűrű gyors és pontos értékelését az egész szívciklus során, megkönnyítve a jobb szív anatómiájának átfogó háromdimenziós értékelését.

A betegek kiválasztásának finomítása és a TR kezelés eljárási stratégiáinak optimalizálása érdekében a kutató többcentrikus együttműködést dolgozik a kezelési eredmények és a betegek specifikus terápiás megközelítéseire adott válaszának elemzésére.