心毒性化学療法中の心不全の発生を予測する最適化されたマルチモダリティ機械学習アプローチ (MERMAID)

本プロジェクトでは、心毒性のある化学療法が予定されている患者における心不全の発生についての理解と予測を高めるために、マルチモダリティデータ（画像、検査、心電図検査、アンケート）を使用した自動機械学習アプローチを開発します。 このアルゴリズムは、技術協力パートナーである生体医工学研究所テクニオンを率いるアダム教授によって開発されます。

具体的な目的:

1. ベースラインで心毒性化学療法が予定されている患者から、治療終了後最大6か月までの画像処理（MRI、従来型および緊張パラメータによる心エコー検査）、心電図検査、生体医学的マーカー（肝臓、腎臓、心臓の機能を定義するため）に関する達成可能なすべてのデータを収集すること。および造血骨髄）、臨床パラメータおよび生活の質のアンケート：
2. これらすべてのデータを統合して評価する堅牢な機械学習アプローチを最適化および評価して、初期の心筋損傷を検出し、無症状の左心室（LV）機能不全を予測するための最適なパラメーター（単一または組み合わせ）を特定する（現在の研究のステージ1） ）。
3. 化学療法患者の臨床研究（現在の研究のステージ2）を実施し、潜在性左室機能障害を特定する。これは、心エコー検査による左心室のみを使用する実際の標準的な手順と比較して、新しい機械学習アプローチを使用して心臓保護療法をガイドするために使用されます。駆出率（LVEF）。

この研究の目的は、さまざまな画像診断法からのデータを検査室、心電図検査、アンケート情報と組み合わせて統合する機械学習アプローチを評価および最適化し、潜在性左室機能障害を特定することによって患者管理におけるこれらすべてのパラメーターの値を定義することです。従来の心エコー検査パラメータのみを使用する標準的なアプローチと比較して、心臓保護療法をガイドするために使用されます。

MRI、従来の心エコー検査パラメータ、心エコー検査による心筋変形イメージングは​​、心筋組織と変形に関する洞察を得るために、さまざまなモダリティとアプローチを採用しています。 我々は、これらのモダリティを使用し、臨床検査、心電図検査、アンケート情報を統合した新しく最適化された自動アルゴリズムが初期の左室機能障害の検出を改善し、心毒性療法に対する化学療法患者の潜在的な反応に新たな洞察をもたらすだろうと仮説を立てています。 このアルゴリズムにより、左室機能不全の発症、化学療法の中断、経過観察中の心不全の発症を制限する補助療法の使用が可能となり、罹患率と費用が削減されることが期待されます。