子宮動脈塞栓術の術中評価のための人工知能 (AI-EMBO)

背景と理論的根拠。

子宮筋腫は生殖年齢の女性の最大70〜80％に影響を及ぼします。 子宮動脈塞栓術は95％以上の技術的成功率を達成し、約75〜90％の患者で症状改善が認められます。しかし、5年時点で20〜30％の累積リスクで臨床的失敗または再介入の必要性が生じます。 現在の塞栓術適正性の術中評価は、定性的な血管造影基準（例：「5〜10心拍間の血流停止」、「剪定された樹木様外観」）に基づいており、主観的で術者依存性があります。 新たなエビデンスは、完全ではなくほぼ完全な血流停止を達成することが術後疼痛を軽減する可能性を示しており、定量的で標準化された評価ツールの必要性を強調しています。

AQ-VEROは、血管造影画像の定量的時間濃度（TTD）解析を実行し、子宮および筋腫の灌流をリアルタイムで客観的に定量化する社内開発ソフトウェアプラットフォームです。

目的。

主要目的：子宮動脈塞栓術中の灌流変化を定量化する際のAQ-VERO TTD指標の精度および観察者内／観察者間再現性を検証すること。

副次目的：（a）AQ-VERO由来の指標を使用して事前定義された塞栓術エンドポイントを識別するAIベースの意思決定支援モデルを開発し、内部的に検証すること。（b）術中TTD指標と術後臨床転帰（症状改善、早期疼痛スコア、再介入必要性を含む）の相関を探索すること。

研究デザイン。 これは、症状性子宮筋腫に対する子宮動脈塞栓術を受ける女性を含む、アンビスペクティブ（遡及的および前向的追跡調査を含む）多施設共同観察研究です。 標準化された血管造影が取得され、AQ-VEROで解析されてTTD灌流パラメータ（例：ピーク到達時間、曲線下面積、流入／流出特性）が抽出されます。 術者は従来の定性的血管造影エンドポイントを記録します。 臨床的および画像的追跡調査は、施設のプロトコルに従って収集されます。

主要目的：

• AQ-VERO©指標を使用して開発されたAI予測モデルが、筋腫関連症状の完全または有意な解消として定義される臨床転帰を予測できるかどうかを評価すること。

副次目的：

• 異なるTTD曲線形態とAQ-VERO指標を術後疼痛と相関させること。
• 塞栓術効果を損なう可能性のある側副血行路または副動脈供給の存在を検出すること。

意義。 この研究は、子宮動脈塞栓術中の術中塞栓術評価のための定量的かつAI強化されたフレームワークを確立し、変動性を低減し長期的な臨床転帰を改善する可能性が期待されます。