マルチモーダルイメージングと数値流体力学の統合による頸動脈狭窄の研究

中国では、虚血性脳卒中は年間 250 万～300 万件発生すると推定されており、国民の死亡および障害の主な原因となっています。 これらの症例の中で、頸動脈狭窄は虚血性脳卒中の重要な独立した危険因子です。 頸動脈狭窄症患者の約 50% は、脳灌流低下による血管関連の認知障害を発症する傾向があり、人間の健康と生活の質に深刻な影響を及ぼします。

現在、重度の頸動脈狭窄症の治療には、頸動脈内膜切除術 (CEA) と頸動脈ステント留置術 (CAS) の 2 つの主な外科的アプローチがあります。 術前および術後の頭蓋内および頭蓋外の血行力学的変化、周術期合併症の根底にあるメカニズム、側副血行路の確立、および長期予後に対するこれら 2 つの外科的方法の影響は依然として不明瞭です。 したがって、周術期のリスク評価とさまざまな外科的アプローチの臨床効果を研究することは、患者の転帰にとって非常に重要です。

このプロジェクトは、頸動脈狭窄患者から脳 CT 灌流イメージングや CT 血管造影などのマルチモーダルイメージング データを収集することを目的としています。 人工知能アルゴリズムを使用して、頸動脈狭窄の 3 次元モデルが再構築され、数値流体力学を利用して患者の頸動脈の血行動態特性が自動または半自動で分析されます。 脳血流速度や局所的な脳酸素代謝をモニタリングし、術後の脳卒中や虚血再灌流障害、頭蓋内外側副血行路の評価などを行うことで、精密な評価を行います。

個々の患者の特徴に基づいて、脳虚血再灌流傷害を予防し、臨床予後を改善し、患者の生活の質を向上させるために外科的アプローチを最適化できます。