De AIPLAQUE-studie: een op kunstmatige intelligentie gebaseerde prospectieve studie om PLAQUE te analyseren met behulp van CCTA

Acuut coronair syndroom (ACS) is wereldwijd een van de belangrijkste doodsoorzaken van coronaire hartziekte (CAD). Kwetsbare plaqueruptuur is een primaire onderliggende oorzaak van luminale trombose die verantwoordelijk is voor het uitlokken van ACS. Daarom is het identificeren van plaques met een hoog risico voordat ACS optreedt een belangrijk onderzoeksdoel en vereist verdere klinische perspectieven. Coronaire computertomografie-angiografie (CCTA) is een veelomvattende, niet-invasieve en kosteneffectieve beeldvormingsbeoordelingsbenadering, die de mogelijkheid biedt om de kenmerken en morfologie van hoogrisico atherosclerotische plaques geassocieerd met ACS te identificeren. Optische coherentietomografie (OCT) is een nieuwe, op licht gebaseerde, intravasculaire beeldvormingstechniek die dwarsdoorsnedebeelden met een hoge resolutie van de anatomie van de kransslagader verschaft. Vanwege de superieure resolutie is OCT nauwkeuriger in het meten van de plaatsen van plaque-kwetsbaarheid, het onderscheiden van de verschillen in de samenstelling ervan, het informeren over de anatomische ernst van epicardiale stenoses, en levert het ook input voor computermodellen om de functionele ernst te beoordelen.

De doelstellingen van het onderzoek zijn: (1) Het construeren van een kunstmatige-intelligentiemodel voor het identificeren van coronaire plaquecomponenten op CTA-beelden met OCT als referentiestandaard. (2) Simulatie van vloeistofmechanica uitvoeren, inclusief bloedvatwand en plaque door gebruik te maken van geometrische en fysiologische modellen van bloedvaten en plaques, en om nauwkeurigere functionele parameters (CT-FFR) te bieden.

De inschrijvingscriteria zijn (1) patiënten die zich presenteerden met stabiele angina pectoris of acuut coronair syndroom; (2) patiënten die voldoen aan de indicaties voor coronaire CT-angiografie, percutane coronaire angiografie en intravasculaire beeldvorming; (3) Onder die patiënten, patiënten met ten minste één stenose van de kransslagader met een diameter van 30% - 90% ≥ 2 mm bevestigd door CCTA.

De verzamelde gegevens omvatten CCTA-, volledige angiografische en OCT-afbeeldingen. Gecombineerd met CTA/ICA/OCT-beelden van meerdere modaliteiten, zal deze studie een nieuwe beeldanalysetechnologie ontwikkelen om automatisch vasculair lumen, plaquekarakterisering, vloeistof-vaste mechanische eigenschappen en myocardiale ischemie te extraheren met behulp van computational fluid dynamics (CFD)-simulatie en kunstmatige intelligentie diep leren.