Previsione CT per interventi tricuspidi transcatetere (CESAR-TR)

Lo scopo di questo studio è di migliorare la prevedibilità del successo terapeutico nell'intervento della valvola tricuspide trancatetere (TTVI) per i pazienti con rigurgito tricuspide grave (TR). Ciò sarà ottenuto attraverso analisi automatizzate di scansioni di tomografia computerizzata pre-intervenzionale (CT).

Il rigurgito tricuspide grave è associato a scarsi risultati dei pazienti. Nelle fasi avanzate, la terapia farmacologica diventa inefficace e l'intervento chirurgico comporta un alto rischio di mortalità. Data questa sfida clinica, il trattamento a base di catetere della valvola tricuspide è diventato un punto focale di ricerca.

Una strategia di trattamento consolidata è l'intervento percutaneo della valvola tricuspide, che mira a ridurre il rigurgito attraverso l'anuloplastica, la riparazione del bordo a bordo a base di volantini o la sostituzione della valvola. È stato dimostrato che questo approccio riduce in modo significativo la gravità del rigurgito, portando a una drammatica riduzione dell'onere dei sintomi e un marcato miglioramento della qualità della vita.

Tuttavia, prevedere quali pazienti beneficeranno maggiormente di TTVI e determinando la tecnica ottimale per ogni individuo rimangono sfide in gran parte irrisolte.

Software a punta di intelligenza artificiale (AI), come Heart.ai Di Laralab (Monaco), consente la misurazione automatizzata delle strutture anatomiche catturate tramite imaging TC. Questa tecnologia consente già una valutazione rapida e precisa delle camere cardiache e dell'annulus tricuspide durante l'intero ciclo cardiaco, facilitando una valutazione tridimensionale completa dell'anatomia cardiaca destra.

Per perfezionare la selezione dei pazienti e ottimizzare le strategie procedurali per il trattamento TR, il ricercatore lavora una collaborazione multicentrica per analizzare i risultati del trattamento e la risposta del paziente a approcci terapeutici specifici.