색전증 뇌졸중의 3D 시뮬레이션 검증

뇌졸중은 영국에서 매년 100,000명 이상의 사람들에게 영향을 미치며 환자의 최대 50%가 심각한 장애를 남깁니다[1, 2]. 뇌졸중의 85%는 뇌의 혈관 폐쇄(급성 허혈성 뇌졸중[AIS])로 인해 혈액 공급이 중단되어 조직 경색 및 기능 장애가 발생합니다[1]. 뇌졸중은 상당한 이환율과 사망률의 원인이 되며, 특히 근로 연령 개인에게 상당한 사회적, 경제적 영향을 미칩니다[1, 2]. AIS의 원인은 크게 색전성 뇌졸중과 비색전성 뇌졸중으로 분류할 수 있다[3]. AIS의 약 1/4은 좌심방(심방 세동 - AF), 판막(판막 심장 질환 또는 인공 판막), 최근의 심근 경색, 난원공 개존, 감염성 심내막염 또는 대동맥궁 죽종으로 인한 심장 색전증입니다[3- 5]. 이 수치는 나이가 들면서 AF의 유병률이 높아지기 때문에 노인들 사이에서 더 높습니다[6]. 중요한 것은 심장색전성 뇌졸중이 더 심각하여 다른 뇌졸중 하위 유형보다 장애가 더 크다는 것입니다[4]. 혈관 위험 인자 관리의 기준 개선으로 인해 심장색전증으로 인한 뇌졸중의 비율이 증가하고 있으며 지난 수십 년 동안 발생률이 3배 증가했습니다[4]. 색전원인을 정확하게 식별하고 관리하면 재발을 최대 70%까지 줄일 수 있습니다[4]. 심방세동은 심장색전성 뇌졸중의 주요 원인으로 남아 있습니다[4, 5]. 그러나 AF를 올바르게 식별하고 치료하는 것은 적격 환자의 50%에서만 발생하는 것으로 생각됩니다[3]. 이것은 임상의가 항응고제 환자, 특히 낙상의 위험이 높은 연약한 노인 인구에서 꺼리기 때문일 수 있습니다[3]. 뇌졸중의 최대 25%는 원인 불명의 색전증(ESUS)이며, 이는 환자를 성공적으로 식별하고 치료하기 위해 장기간의 심장 모니터링이 필요한 발작성 AF 때문일 수 있습니다[3, 7]. 심방세동은 환자의 최대 40%에서 무증상이며 첫 증상은 심각한 경색일 수 있습니다[8]. 항응고는 AF에서 뇌졸중 위험을 줄이는 초석이지만 출혈 위험이 최대 2배 증가하므로 이 치료는 입증된 사례에만 적용됩니다[9, 10]. ESUS의 항응고제는 여전히 진행 중인 논쟁으로 남아 있으며 현재 고위험군(예: 다른 지역의 다중 경색) [11, 12]. 따라서 심방세동을 식별하고 치료하는 것이 미래의 뇌졸중 위험을 줄이면서 항응고가 필요하지 않은 합병증을 최소화하기 위한 핵심 우선순위입니다.

색전성 뇌졸중과 비색전성 뇌졸중의 다양한 병인, 조사 및 관리를 감안할 때 조기 감별은 임상 의사 결정을 용이하게 하고 환자에 대한 집중적인 조사 및 관리를 가능하게 합니다. 뇌졸중의 방사선학적 특징은 경색의 위치, 크기 및 패턴으로 이 과정을 지원할 수 있으며 가능한 병인 ​​및 뇌졸중 하위 유형을 나타낼 수 있습니다. 그러나 현재로서는 치료하는 임상의 또는 방사선 전문의의 정성적, 따라서 주관적인 의견에 의존하여 이를 평가하는 기준이 없습니다. 임상 및 CT 소견에만 의존하는 열공 뇌졸중의 최대 1/3에서 부정확한 진단이 보고되었습니다[13]. 위양성 소견의 대부분은 심장 색전증 또는 큰 동맥 뇌졸중으로 인한 것이었고 잠재적으로 AF를 식별하고 치료할 기회를 놓쳤습니다[13]. 확산 강조 영상은 열공 경색의 진단을 향상시킬 수 있지만 비용과 가용성에 따라 사용이 제한됩니다[13-15]. ESUS 환자 133명을 대상으로 한 최근 연구에서 심장 모니터링 3개월 후 22.6%에서 AF가 있는 것으로 나타났으며 8점 위험 점수로 합리적인 정확도(곡선 아래 면적=0.70)로 이를 예측할 수 있었습니다. [16]. 그러나 이 정확도는 뇌졸중의 병인이 결정되지 않은 경우 상당히 떨어집니다[16]. 발견되지 않은 AF의 실제 비율은 알려지지 않았으며 예측 모델링을 통한 조기 발견은 조사 및 치료 지연을 잠재적으로 줄일 수 있습니다.

따라서 색전성 뇌졸중, 특히 심방세동이 진행되는 과정을 개선하면 임상 의사 결정을 안내하는 데 도움이 될 수 있습니다. 이를 통해 환자에 대한 조사를 더 잘 조정하고 NHS에 잠재적인 경제적 이익을 줄 수 있는 불필요한 테스트를 제거하고 환자의 조사 부담을 줄일 수 있습니다. 환자의 임상 정보와 스캔 결과를 통합할 수 있는 뇌졸중 모델의 개발은 뇌졸중 하위 유형 분류를 위한 향상된 진단 정확도를 제공하고 시기적절하고 보다 표적화된 조사 및 치료를 용이하게 할 수 있습니다. 특히, 서로 다른 유형의 색전증을 구별할 수 있는 모델은 AF 소스를 가질 가능성이 가장 높은 환자에게 특히 가치 있고 신속한 확장 모니터링이 될 수 있습니다.

본 연구에서는 뇌졸중을 시뮬레이션하기 위해 JH와 EC가 개발한 Monte Carlo 방법을 제안한다[17-20]. 이 방법은 최근 in silico 대뇌 맥관 구조[21]를 사용하여 조정되었으며 뇌졸중 후 병변의 해부학적 추적(ATLAS) 데이터베이스(미공개 작업)의 뇌졸중 이미지에 대해 테스트되었습니다. 이미징보다 컴퓨터로 생성된 혈관 구조를 사용하는 이점은 혈관 크기에 대한 하한선이 없으며 모델에 혈관을 모세관 침대까지 포함할 수 있다는 것입니다. 시뮬레이션 내에서 우리는 병변의 부피를 추정할 수 있을 뿐만 아니라 회백질과 백질의 다양한 대사 요구를 통합할 수 있습니다. 최근에 우리는 ATLAS 데이터 세트의 이미지를 사용하여 전방, 중간 및 후방(각각 ACA, MCA, PCA) 순환에서 뇌졸중 이미지를 재현할 수 있었습니다. 그러나 ATLAS에서 대부분의 병변은 본질적으로 만성적이었고 이것은 치료 결정이 보다 시기적절하게 이루어질 수 있는 "정문"에서 이 모델이 어떻게 수행되는지에 대한 정보를 제공하지 않습니다.

따라서 이 프로젝트는 최근에 개발된 시뮬레이션을 검증하고 급성 환경에서 색전성 뇌졸중의 원인을 예측할 때 정확도를 결정하기 위해 급성 뇌졸중 스캔 데이터베이스를 개발하고자 합니다. 임상 의학에 대한 AI 기술의 적용이 증가함에 따라 최근 개발된 이 뇌졸중 시뮬레이션 모델의 능력을 AI 기술과 비교하여 색전성 뇌졸중의 원인을 예측할 것입니다. 모델의 능력을 임상적 또는 방사선학적 의견과 비교할 것입니다. 마지막으로, 우리는 색전성 뇌졸중의 원인을 결정하기 위해 두 기술의 결합된 능력을 테스트할 것입니다. 구체적으로 우리는 열공, 심장색전증, 대혈관 죽상경화 색전증 및 유역과 같은 원인을 평가할 것입니다.