Segmentazione istologica dell'arteria femorale superficiale dalla microscansione alla TC utilizzando l'intelligenza artificiale (CTPred)

Il segmento dell'arteria femoropoplitea (FPAS) è una delle arterie più lunghe del corpo umano, sottoposta a torsione, compressione, flessione ed estensione a causa dei movimenti degli arti inferiori. La chirurgia endovascolare è considerata il trattamento di scelta per l'arteriopatia periferica, i cui risultati dipendono dalle forze fisiologiche esercitate sulla parete arteriosa, dall'anatomia dei vasi e dalle caratteristiche delle lesioni da trattare. La malattia ateromatosa comprende, in modo semplice, 3 categorie di placche: calcificate, fibrose e lipidiche. Lo studio di queste placche e la loro differenziazione nell'imaging e nell'istologia nel FPAS è già stato oggetto di ricerca. Per trattarli esistono palloncini e stent per angioplastica con design e componenti diversi, con proprietà meccaniche diverse e diverse molecole impregnate.

Non esiste un metodo non invasivo (imaging) per differenziare accuratamente le lesioni lungo il FPAS. L'analisi viene eseguita dalla TAC preoperatoria, ma esistono scanner ad alta risoluzione che consentono un'analisi quasi istologica del tessuto.

Questo microscanner può essere utilizzato ex vivo. Nell'ambito di un progetto, è stato creato l'algoritmo di apprendimento (Convolutional Neural Networks) per segmentare automaticamente le fette di microscanner: dopo aver prelevato FPAS da arti amputati, abbiamo correlato le immagini microscanner ex-vivo delle arterie con la loro istologia. La correlazione è stata poi eseguita manualmente tra le immagini microscanner e le sezioni istologiche ottenute. l'algoritmo verrà addestrato su queste sezioni e ne verrà convalidata la prestazione. La validazione della concordanza tra TAC e microscanner è stata oggetto di pubblicazioni scientifiche.