Een nieuwe op beeldvorming gebaseerde kwantitatieve modelondersteunde detectie van portale hypertensie bij patiënten met cirrose (CHESS2104)

China lijdt de zwaarste last van leverziekte ter wereld. Het aantal chronische leveraandoeningen is meer dan 400 miljoen. Ofwel virale hepatitis, alcoholische hepatitis of metabolische vettige hepatitis, enz. kunnen zich ontwikkelen tot cirrose, wat een grote bedreiging vormt voor de volksgezondheid. Portale hypertensie is een kritieke risicofactor die correleert met de klinische prognose van patiënten met cirrose. Volgens de consensus over de klinische toepassing van hepatische veneuze drukgradiënt in China (2018), voorspelt een hepatische veneuze drukgradiënt (HVPG) groter dan 10,12,16,20 mmHg dienovereenkomstig verschillende uitkomsten van patiënten met cirrose portale hypertensie. Het is van groot belang om een ​​risicostratificatiesysteem op te zetten en beheer op maat uit te voeren voor portale hypertensie bij cirrose. Als universele gouden standaard voor het diagnosticeren en bewaken van portale hypertensie, blijft HVPG een beperking voor klinische toepassing vanwege zijn invasiviteit. Hoe een nieuwe, niet-invasieve, nauwkeurige en gemakkelijke methode te construeren om HVPG-voorspelling te bereiken, is een belangrijk algemeen probleem bij de behandeling van portale hypertensie bij cirrose.

De ontwikkeling van radiomics-techniek biedt een aanpak om bovengenoemde klinische problemen op te lossen. Gebaseerd op algoritmen van kunstmatige intelligentie, maakt radiomics gebruik van mijnbare, hoge resolutie en kwantitatieve kenmerken van gecodeerde medische beelden, samen met klinische of genetische gegevens om een ​​op bewijs gebaseerd beslissingsondersteunend systeem te produceren, om de klinische doelen te bereiken, waaronder diagnose, evaluatie van het effect van de behandeling en prognose voorspelling. In dit project, dat gericht is op de ontwikkeling van een risicostratificatiesysteem voor de behandeling van hypertensie bij cirrose, zullen we een zorgstandaarddatabase opzetten en radiomics gebruiken om het besluitvormingssysteem te bouwen. We zullen de verantwoordelijkheid nemen voor het bereiken van orgaan- en bloedvatsegmentatie, radiomische kenmerkselectie en handtekeningconstructie voor voorspelling van hypertensieclassificatie, en de ontwikkeling van een prototypesysteem voltooien dat vier modules zou integreren, waaronder databasebeheer, HVPG risicostratificatie-applicatiemodule, voorspelde uitkomstpresentatie module en module voor het cureren van prognostische informatie. Dit project zal zich richten op twee aspecten, namelijk de optimalisatie van machine learning-algoritmen en de ontwikkeling van prototypesystemen, om de precisiegeneeskunde bij leveraandoeningen te promoten.