ANOCA의 인공 지능 ((AI)NOCA)

협심증은 180,000명 이상에서 진단됩니다. 매년 네덜란드 사람들. 협심증의 진단은 심외막 관상동맥 협착증에 초점을 두고 있으며, 이를 확인하면 지침에 따른 약물 치료나 혈관 재개통으로 이어질 수 있습니다. 그러나 환자의 40~70%에서는 그러한 협착이 확인되지 않습니다. 관상동맥이 막히지 않은 협심증(ANOCA)은 여성에게 더 많이 발생하며 삶의 질 저하, 높은 의료비, 더 높은 부작용 발생률과 관련이 있습니다.

ANOCA의 기원은 관상동맥 혈관운동 장애를 식별하기 위해 관상동맥 기능 검사(CFT)를 통해 침습적 관상동맥 조영술 중에 평가될 수 있습니다. 이는 관상동맥의 혈관경련 및 미세순환, 또는 미세혈관 혈관확장 장애와 관련이 있습니다. 혈관경련 진단을 위해서는 CFT를 통해 진단 기준의 일부로 심근허혈의 심전도 징후가 나타나야 합니다. 이러한 징후는 미묘하고 다양할 수 있어 잘못 해석되기 쉽기 때문에 이는 혈관경련 진단에 중요한 포인트입니다. 따라서 이러한 경고와 별도로 진단 접근법에는 현재 진단을 위한 침습적 절차가 필요합니다. 이는 ANOCA의 광범위한 적용을 제한하고 조기 식별 및 치료를 방해합니다.

CFT 동안 관상동맥 가이드 와이어는 관상동맥에서 정기적으로 전진하며 표준 심전도 리드에 멸균 악어 클램프를 부착하여 관상동맥 내 ECG를 얻을 수도 있습니다. 이를 통해 일상적인 ECG와 동일한 모니터에서 CFT 전체에 걸쳐 관상동맥 내 ECG를 지속적으로 기록할 수 있습니다. 이 기술은 CFT 중 심근 허혈에 대한 민감도를 높일 수 있습니다. 또한 Holter ECG 모니터링을 통해 외래 환자 환경에서 ECG의 허혈성 변화를 식별할 수 있습니다. ANOCA 환자의 자발성 협심증 증상 중에 발생하는 심근 허혈의 패턴과 이러한 목적에 대한 Holter ECG의 민감도에 대한 증거가 부족합니다. 마지막으로, ECG 추적에서 허혈성 패턴을 해석하는 것은 번거로울 수 있습니다. 특히 변화가 미묘하거나 박동마다 변하는 경우에는 더욱 그렇습니다. 딥러닝 기술을 사용하면 ECG 추적 해석을 자동화하고 ANOCA의 표준화된 진단을 향상시킬 수 있습니다.