ICAS 선별검사 및 FIF 기반 뇌졸중 위험도 예측 (RICAS)

두개내 죽상경화증 협착증(ICAS)은 전 세계적으로 허혈성 뇌졸중의 주요 원인이며, 특히 아시아 인구에서 뇌졸중의 전 세계적인 부담을 증가시킵니다. 다른 뇌졸중 하위 유형과 비교하여 ICAS 환자는 뇌졸중이 더 심하고 병원에 더 오래 머물며 허혈성 사건의 재발 위험이 더 높습니다. 따라서 두개내 죽상동맥경화성 협착증에 대한 조기 검진과 효과적인 개입은 뇌졸중의 조기 경고 및 예방 수준을 향상시키고 뇌졸중 발병률과 사망률을 감소시킬 수 있으며 이는 매우 중요합니다. 디지털 감산 혈관조영술(DSA), 컴퓨터 단층촬영 혈관조영술(CTA) 및 자기공명 혈관조영술(MRA)은 ICAS에 대한 진단 가치가 높지만 침습적이며 전문 지식, 고가의 비용 및 열악한 경제적 성과로 인해 대량 인구 선별 검사에는 사용할 수 없습니다. . 경두개 도플러 초음파 검사(TCD)와 같은 잠재적인 검사 도구는 유망하지만 측두골 창 품질에 의해 제한되며 작업자의 경험에 따라 크게 달라집니다. 따라서 일차 의료 기관 및 신체 검사 센터와 같은 대량 인구에서 ICAS 대상자를 식별하기 위한 새롭고 비침습적이며 경제적이며 보완적인 검사 방법을 탐색하는 것이 필수적입니다.

망막은 간뇌에서 발생하며 내부 경동맥을 통한 혈액 공급을 포함하여 뇌와 동일한 발생학적 기원, 해부학적 특징 및 생리학적 특성을 공유합니다. 전향적 코호트 연구에서는 망막 혈관 징후(강화된 세동맥 빛 반사)가 두개내 대동맥 질환과 관련이 있음이 확인되었습니다8. Rhee 등의 연구에서는 또한 망막 직경 변화가 ICAS9와 연관되어 있음을 보여주었습니다. 따라서 이러한 발견은 망막 혈관 징후가 ICAS의 바이오마커가 될 수 있음을 암시합니다. 게다가 노령, 고혈압, 당뇨병, 이상지질혈증, 흡연 등 전통적인 혈관 위험 요인도 ICAS와 밀접하게 연관되어 있습니다. 그러나 망막 혈관 징후 자체의 식별 성능을 보고하거나 ICAS를 식별하는 데 전통적인 혈관 위험 요인과 결합한 연구는 거의 없습니다. 안저 사진은 특히 인공 지능 시대에 비침습적, 대중화 용이, 저렴하고 좋은 경제적 이점을 갖는 등 큰 장점을 가지고 있습니다. 인공지능(AI), 특히 딥러닝 알고리즘은 당뇨병성 망막병증, 녹내장 등 다양한 망막질환의 정확한 검출 및 분류에 널리 적용되고 있습니다. 게다가, 딥러닝 알고리즘은 망막 동맥이나 정맥의 자동 분할에도 사용되었으며, 이는 이후 망막 혈관 매개변수의 자동 계산을 위한 기초를 제공합니다. 본 연구에서는 두개내 동맥경화증의 선별검사와 안저영상의 특징을 바탕으로 뇌졸중 위험도를 예측하는 방법에 대해 연구하고자 한다.