CMR-AI と大動脈弁狭窄症の転帰

人工知能 (AI) と機械学習は、私たちの日常の臨床業務を再構築しており、より効率的、正確かつパーソナライズされたものになる可能性があります。 心臓画像処理にこれらの技術を採用すると、精度とリスク層別化が向上して意思決定に影響を与えるだけでなく、スキャン時間と画像処理後の精密検査も大幅に短縮されます。

現在のガイドラインでは、心臓磁気共鳴 (CMR) イメージングが心筋の構造と機能の評価のゴールドスタンダードであると認められています。 サイズ、質量、駆出率 (EF) の測定は、さまざまな心臓病において基本的に重要ですが、人による分析には固有の変動性と主観性があるため、欠陥があります。 畳み込みニューラル ネットワーク (CNN) を使用した深層学習の最近の開発により、既存の CMR データセットを使用した心室血液プールと心筋の自動セグメンテーションが可能になります。 重要なのは、これらのツールは CMR スキャナに統合されており、時間のかかる画像の後処理を必要とせずにリアルタイム測定を生成します。 AI ベースのモデルはこれまでに、心室の輪郭、体積、最大壁厚の測定において優れた精度を示し、臨床専門家を上回っていました。

大動脈弁狭窄症 (AS) 患者では、EF の変化は病気の進行の後期に起こることが多くなります。 縦方向の短縮は、左心室 (LV) 機能不全の早期かつより感度の高いマーカーを表します。 ただし、これらの測定は依然として主観的で時間がかかるため、自動分析がないため日常的には実行されていません。 最近、AI で測定された全縦短縮症 (GLS) と僧帽弁輪面収縮期偏位 (MAPSE) は、人間の専門家と比較して、より再現性が高く正確な結果が得られることが実証されました。 研究者らは、AIベースのGLSとMAPSEは重度ASにおいてLVEFを超えた重要な予後情報を伝え、有害な心臓リモデリングの初期マーカーとなる可能性があると仮説を立てている。

さらに、研究者らは、心エコー検査によって評価される従来のパラメーターではなく、CMR に基づく右心室 (RV) 機能不全が、経カテーテル大動脈弁移植を受けた AS 患者の転帰と独立して関連していることを以前に実証することができた。 研究者らは、我々の発見を拡張し、AIに基づく右室GLSと三尖弁輪状面収縮期偏位（TAPSE）が予後不良を示す右室機能不全の初期マーカーであるかどうかを調査することを目的としている。

最後に、CMR による逆心臓リモデリングの評価には、高い精度 (= 再現性) が必要です。 AI は精度と正確さの両方で人間よりも優れていることが証明されているため、弁交換後の AS の長手方向の構造変化を包括的に評価できる大きな可能性を秘めています。 研究者らは、新しい AI 技術を使用して AS 患者の逆心臓リモデリングを分析することを目指しています。

目的

心臓画像と心臓弁膜症に関しては過去に多大な貢献があったため、研究者らは以下のことを探求することでこの分野の知識を拡大することを目指しています。

• 大動脈弁置換術（AVR）後の臨床転帰を伴う重度 AS 患者における、AI で測定された LV および RV の構造および機能マーカーと CMR との関連性。
• AI ベースの CMR 手法によって決定される、ベースラインから AVR 後 12 か月までの心臓リモデリングの回復。
• 最終的な目標は、AVR を受けるリスクのある患者を特定するための、自動化された正確で時間を節約するアルゴリズムを提供することです。

メソッド

これは大規模な国際的な、多施設、複数コホートの観察研究です。 学際的な心臓チームでの弁膜治療の議論が予定されている重度の変性性 AS 患者は、参加するよう招待されます。 登録は、ヨーロッパ大陸、英国、アジアにある 7 つの大学付属の三次医療センターで前向きに行われます。

ベースライン評価は、病歴、身体検査、定期的な血液検査、心電図、心エコー検査、および CMR 画像で構成されます。 患者は、12 か月後に外来で前向きに追跡調査されます。 さらに、CMRは1年後に繰り返されます。