Intelligenza artificiale nei nuovi marcatori RM cardiaci per le cardiopatie congenite (AI-CMR)

Contesto Un numero crescente di bambini con cardiopatie congenite complesse (CHD) viene oggi trattato e sopravvive fino all'età adulta. Hanno bisogno di una sorveglianza permanente per le complicanze cardiovascolari e di un trattamento individualizzato.

Nella valvulopatia aortica e polmonare pediatrica, le complicanze a lungo termine sono correlate alla disfunzione valvolare con fibrosi miocardica e alla disfunzione ventricolare come risultato di un sovraccarico di volume o di pressione di lunga durata. Molti pazienti avranno bisogno di un intervento chirurgico o di un trattamento interventistico già durante l'infanzia, dove la tempistica ottimale dell'intervento in diverse CHD è cruciale, poiché il trattamento precoce può prevenire danni irreversibili al cuore.

Inoltre, per consentire il rilevamento precoce di problemi ricorrenti o nuovi, è necessario un follow-up diagnostico a lungo termine laddove la risonanza magnetica cardiovascolare (CMR) è diventata importante per una valutazione seriale riproducibile di morfologia, funzione e metodi recentemente avanzati per la caratterizzazione del flusso e dei tessuti . Tuttavia, la decisione clinica del punto temporale e del tipo di trattamento perfetti per un bambino può essere difficile in molti casi e sono necessarie misure migliori.

Obiettivo Questo progetto esaminerà i bambini con malattia della valvola aortica e polmonare trattati o non trattati longitudinalmente utilizzando misure CMR consolidate con ulteriori biomarcatori di imaging quantitativo di nuova concezione, promettenti, altamente raffinati e clinicamente applicabili, rispetto alle stime CMR convenzionali. Il nostro obiettivo è valutare la stratificazione del rischio e indagare i cambiamenti emodinamici e morfologici prima e dopo il trattamento interventistico o chirurgico a breve e lungo termine. Importanza clinica Se i nuovi biomarcatori CMR raffinati possono rivelare una migliore caratterizzazione della malattia, possono rivelarsi fattibili nell'aiutare il processo decisionale clinico per ottimizzare i tempi di intervento e prevedere le complicanze a lungo termine. Ciò potrebbe contribuire a personalizzare il trattamento e migliorare la salute nei bambini con malattia coronarica. Lo studio può portare a una migliore cura del paziente e all'uso delle risorse socio-economiche.