혈관-혈류역학 매핑을 기반으로 한 최소 침습 뇌 중재의 환자별 계획

혈관 내 치료라고도 알려진 카테터를 혈관에 삽입하여 혈관을 치료하는 경우가 지난 수십 년 동안 증가해 왔습니다. 이 기술에는 덜 침습적이며 합병증의 위험이 낮다는 등 여러 가지 장점이 있습니다. 이 기술은 두개내 동맥류 및 동정맥 기형(AVM)에 대한 선호되는 치료법이 될 것으로 예상됩니다.

혈관내 시술의 장점에도 불구하고 효율성과 안전성에 영향을 미칠 수 있는 기술적 과제가 여전히 남아 있습니다. 임상 실습에서는 형광투시 영상을 통해 가이드와이어(약 1.5~2.0m)를 특정 뇌 영역으로 연결합니다. 근위단을 조작하여 패시브 가이드와이어의 끝을 정확하게 탐색하려면 수년간의 경험이 필요하며 숙련된 중재방사선 전문의에게도 성가신 작업이 될 수 있습니다. 더욱이, 카테터를 목표 뇌 영역으로 이동시키는 것은 이미 시술 시간의 큰 부분을 차지할 수 있습니다. 두 번째 과제는 불완전한 색전술이나 재관통의 위험입니다. 불완전한 색전술의 위험은 구조가 복잡하기 때문에 특히 AVM에 존재합니다. 색전술 수행으로 인해 해당 특정 뇌 영역의 혈류역학적 변화가 발생하여 다른 우선적인 흐름 경로가 생겨 나중에 다른 색전술 절차로 이어질 수 있습니다. 이로 인해 반복적인 혈관 조영술 평가가 필요하게 되며, 이는 또한 더 길고 더 많은 비용이 드는 절차와 환자의 방사선 노출 증가로 이어집니다. 위의 과제는 환자가 더 낮은 방사선량을 받고 완전하고 지속적인 색전술을 받을 확률이 더 높으면서 더 빠르고 효율적인 신경학적 개입을 허용하는 방법이 필요하다는 것을 보여줍니다.

이 연구의 목표는 대뇌 혈관 구조 매핑 및 관련 동맥 혈관 구조를 통한 혈류 모델링을 기반으로 카테터 탐색 및 색전술의 수술 전 계획을 위한 새로운 방법론을 개발하는 것입니다. 심장학에는 투시경 안내가 필요 없이 가이드와이어 또는 기타 도구를 안내하여 탐색하는 기술이 이미 있습니다. 이러한 기술에서는 환자별 혈관계가 매핑되어 혈관 네트워크의 상세한 3D 표현이 표시되고 올바른 3D 참조 프레임에서 이 맵을 기준으로 카테터의 위치를 ​​추적합니다. 그러나 대뇌 혈관계는 본질적으로 복잡한 동맥 혈관계이기 때문에 이러한 기술은 아직 신경혈관 중재술로 확장되지 않았습니다.

현재 연구에는 두 가지 주요 목표가 있습니다. 이 연구의 첫 번째 주요 목적은 카테터 탐색을 위한 혈관계의 접근성을 평가하고 카테터 추적을 지원하기 위한 목적으로 3D 혈관 조영 데이터를 정량화하고 분석하여 뇌 혈관계를 매핑하는 것입니다.

두 번째 주요 목표는 수술 전 계획을 지원하기 위해 뇌혈류의 전산유체역학(CFD) 및 인공지능(AI) 모델을 개발하고 검증하는 것입니다. 이러한 AI 모델은 CFD 모델을 가속화하는 역할을 합니다. 본 연구의 임상적 측면은 후향적 및 전향적 환자 데이터 수집에만 관련되므로 환자에게 추가적인 임상적 위험은 없습니다. 바람직하게는 의료 영상(대뇌 MRI 영상(해상도: 0.3~0.5mm), 3D 회전 혈관 조영술(3DRA, 해상도: 0.05~0.28mm), 양면 디지털 감산 혈관 조영술(DSA, 해상도: 0.15~0.62mm))과 함께 사례 보고서 양식(치료 매개변수 및 반응을 포함한 CRF). 데이터 수집 후, 뇌 혈관의 혈관계 및 체액 분포에 대한 환자별 모델이 UGent(연구 그룹 IbiTech BioMMedA, MEDISIP, 전자 정보 시스템부 및 연구 그룹 IPI) 측에서 개발될 예정입니다. , 통신 및 정보 처리학과, 둘 다 UGent 공학 및 건축 학부에 속함). 의료 이미지는 이러한 모델의 개발 및 검증에 중요한 역할을 합니다. 이러한 모델이 검증되면(3D 프린팅 팬텀이 포함된 시험관 내 모델 사용 포함) 장기적으로 임상 적용에도 사용될 수 있습니다. 임상적, 중재적 환경에서 이러한 모델의 검증은 아직 이 연구에 적용되지 않습니다.